机器学习
分享
课程详情
课程评价
spContent=本课程重点介绍机器学习中的核心算法和理论,使学生通过理论学习掌握机器学习中的经典理论,了解当前最新发展,并学会针对各自学科的具体问题设计机器学习算法。课程内容包括支持向量机、人工神经网络、深度学习、强化学习、传统的机器学习五个模块,用丰富的理论推导和实验案例加深学生的理解。
—— 课程团队
课程概述

2016年,人工智能机器人AlphaGO击败了围棋世界冠军李世石,这场史无前例的“人机大战”将AI置于社会舆论的风口浪尖上。AI是什么?AI对人类有哪些作用?AI在未来社会中会扮演怎样的角色?

要想弄清楚这些问题,就必须了解AI的主要的工作原理——机器学习。这门课程对机器学习这一领域既有全面细致的理论讲解,又有趣味生动的故事串联,还有妙趣横生的程序实践,带领同学们从数学、计算机科学和人文哲学等方面全面地理解AI。

课程中的知识点覆盖全面,尤其包含近年来这一领域的发展,深度学习、增强学习、生成对抗网络、RNN和LSTM、ALPHAGO程序解析等最新的研究内容登上了MOOC的课堂。我们也规划了十个左右的编程实验,并讲解流行的CAFFE、TENSORFLOW和PYTORCH等流行的深度学习框架,让大家在学习理论的同时亲身实践,体验AI的魅力。

与国外Andrew Ng,Fei-Fei Li等课程相比,这门机器学习课程更适合国内学生的学习习惯。只要你有高数和线性代数基础,掌握一门编程语言,那么恭喜你!无论是什么学科背景,你都能学习这门课程,探索AI的奥秘。

通过这门课程的学习,我们有信心让你从AI的围观者变成AI的参与者和贡献者,欢迎同学们来到我们的MOOC,一起加油吧!


授课目标

       随着大数据和人工智能时代的到来,机器学习的算法和思想已经深入渗透到信息处理领域的方方面面。在未来的十年内,掌握基础的机器学习理论和方法,可能是每一位受过专业教育的工程技术人员的基本要求之一。本课程主要针对机器学习这个领域,重点介绍了机器学习中的核心算法和理论,使学生通过理论学习掌握机器学习中的经典理论,了解当前最新发展,并学会针对各自学科的具体问题设计算法。具体要求学生掌握支持向量机,人工神经网络、深度学习、强化学习、主成分分析、K-均值聚类和高斯混合模型。同时,课程规划了一系列编程训练,提高同学们应用机器学习解决实际问题的能力。


课程大纲
预备知识

微积分、线性代数、一门高级编程语言


证书要求

1.课堂讨论(20%)。学员需在由老师发起的课堂讨论中回帖并评论他人的帖子,三次满分,中间按正比例函数计算,水贴不记入总数。

2.单元测验(30%)。每周一次测验,均为客观题,系统自动评分。

3.编程作业(30%)。本课程会安排编程作业,采取同伴互评的形式。

4.期末考试(20%)。将根据课程内容安排期末考试,题型为客观题和主观题,客观题系统自动评分,主观题采取同伴互评的形式。      


三项累积总分超过60分,即可获得结业证书,总分超过80分,可以获得优秀证书 。 证书的形式为认证证书(可查询验证的电子版和纸质版),你可以在课程结束后根据需要进行申请,认证证书的收费标准为100元/份。请注意,从2019年10月开始,中国大学MOOC平台不再发放免费证书。证书发放工作由爱课程网负责,有关问题请咨询:010-58556579.

参考资料

参考书:

(1)机器学习, 周志华,清华大学出版社,2016

(2)统计学习方法,李航,清华大学出版社,2012

(3)Machine Learning in Action, P. Harrington,人民邮电出版社

(4)Deep Learning, I. Goodfellow, Y. Bengio and A. Courville, 2016.

(5)Pattern Recognition and Machine Learning (模式识别与机器学习),Christopher M. Bishop, 2006

(6)Machine Learning: A Probabilistic Perspective, K. P. Murphy

(7)Machine Learning (机器学习), Tom M. Mitchell, 机械工业出版社,2003年。


网课:

(1) Stanford Web course “Machine Learning” by Andrew Ng    https://www.coursera.org/course/ml (2) Stanford Web course (CS231N) by Fei-fei Li https://cs231n.Stanford.edu

(3) UCL reinforcement learning course https://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html

(4) 2017年课程实录,bilibili网站搜索 “浙大 机器学习”。