课程
学校
学校云
慕课堂
下载APP
扫码下载官方APP
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。 从2020年第一次开课以来，这门课程在中国MOOC大学上受到广泛欢迎，前5期选课人数合计8万多人。开课团队试图将深奥的课程讲解得通俗易懂，配合有趣的编程实例，激发学生兴趣。 随着近年来人工智能的发展，本课程也需要相应增添新的教学内容。课程团队正在紧锣密鼓的录制新内容，下一次开课的时候同学们就能看到。 总之，这是一门精心设计、口碑良好的MOOC课程，希望有更多同学报名学习，也希望大家帮我们大力宣传。
—— 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。2022年，基于深度学习的大模型ChatGPT横空出世，令AI江湖再起波澜。

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

为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。

 

电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。

 

认证证书申请注意事项：

1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


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

（4）深度学习入门：基于PYTHON的理论与实现，斋藤康毅，人民邮电出版社，2018.

（5）Dive into Deep Learning, A. Zhang, Z. C. Kipton, M. Li and A. J. Smola, Cambridge University Express, 2021. 

  (6)  Transformers for Machine Learning: A Deep Dive, U. Kamath, L. L. Graham and W. Emara, CRC Press, 2022

（6）Pattern Recognition and Machine Learning, Christopher M. Bishop, 2006.

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


线上课程：

(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) 台湾大学李宏毅老师“机器学习”和“自然语言处理”

https://www.bilibili.com/video/BV1TD4y137mP/?spm_id_from=333.337.search-card.all.click&vd_source=1c83665a15b8b345079451e1b5d09210

https://www.bilibili.com/video/BV12T411X7Nz/?spm_id_from=333.337.search-card.all.click

(5) 我们的WEB COURSE（2017年）

 https://b23.tv/eLlyiPI