機器學習技術與應用

第1課 概述
[導讀案例]機器學習名字的由來
1.1 什麽是機器學習
1.1.1 機器學習的發展
1.1.2 機器學習的定義
1.1.3 機器學習的研究
1.2 機器學習的分類
1.2.1 監督學習
1.2.2 無監督學習
1.2.3 強化學習
1.2.4 其他類別
1.3 機器學習基本結構
1.4 機器學習算法
1.5 機器學習的應用
1.5.1 回歸、分類和特徵設計
1.5.2 數據分析與挖掘
1.5.3 模式識別
1.5.4 生物信息學
1.5.5 AI聊天機器人
1.5.6 自動駕駛
[作業]
[實訓]機器學習能做什麽
第2課 機器學習基礎
[導讀案例]CPU和GPU的區別
2.1 機器學習的學習基礎
2.1.1 Python程序設計語言
2.1.2 線性代數知識
2.1.3 微積分知識
2.1.4 算法及其評價
2.2 基本術語
2.3 假設空間
2.4 歸納偏好
2.5 經驗誤差與擬合
2.6 評估與度量
2.6.1 調參與最終模型
2.6.2 性能度量
2.6.3 比較檢驗
2.7 偏差與方差
[作業]
[實訓]Python機器學習代碼：鳶尾花分類
第3課 線性模型
[導讀案例]高斯與最小二乘法
3.1 回歸分析
3.1.1 回歸分析的場景
3.1.2 不同的回歸分析方法
3.1.3 回歸分析的步驟
3.2 線性回歸
3.2.1 線性模型的基本形式
3.2.2 一元線性回歸
3.2.3 多元線性回歸
3.2.4 狹義和廣義的線性模型
3.3 線性模型解決非線性問題
3.4 建模方法論
3.4.1 隨機分佈和指數分佈族
3.4.2 鏈接函數
3.4.3 機器學習中的方差
3.4.4 類別不平衡問題
3.5 多分類學習
[作業]
[實訓] Excel線性回歸模型分析
第4課 決策樹
[導讀案例]谷歌發布機器人視覺語言動作模型RT-2
4.1 什麽是決策樹
4.1.1 決策樹的定義
4.1.2 決策樹結構
4.1.3 決策樹學習
……
第5課 神經網絡
第6課 貝葉斯分類器
第7課 集成學習
第8課 支持向量機
第9課 聚類分析
第10課 降維與特徵選擇
第11課 半監督學習
第12課 概率圖模型
第13課 推薦系統
第14課 深度學習
第15課 強化學習
第16課 機器學習的發展
作業參考答案
參考文獻