SPOC学校专有课程
机器学习（苏永新）
分享
spContent=本课程主要介绍监督学习和无监督学习，以及机器学习在人工智能中的应用。涵盖机器学习的基本概念和算法，帮助学习者了解和掌握人工智能在自然语言理解和视觉分析等方面的技术。课程负责老师是湘潭大学苏永新老师。课件在引进的浙大张鹏等老师的MOOC基础上进行了改造。
—— 课程团队
课程概述

本课程主要讲授机器学习和人工智能的基本概念、方法和应用。主要包括以下内容：

1.机器学习概念和常用方法分类

2.损失函数、优化方法

3.机器学习基本算法，包括决策树、K近邻、支持向量机、线性回归、逻辑回归、神经网络、KMeans、EM算法

4.机器学习合奏学习算法，包括Boosting、AdaBoost、GDB等

5.机器学习理论和实验准则，模型复杂度和方差均衡策略，交叉验证方法


授课目标

本课程着重讲解机器学习原理和方法，让你知其然，知其所以然，并通过实例让你对机器学习方法有更深的理解。课程强调机器学习的系统性、完整性，以及方法的时效性，达到完善学生的知识体系，拓展学生的思维方法，培养学生的机器学习分析和应用能力，并鼓励学生把理论与实践相结合。

成绩要求

评定方法：

线上线下课堂学习20%+线上线下小测与作业15%+实验15%+线下考试50%

总分超过60分为及格


课程大纲
预备知识

  • 微积分

  • 概率论

  • 矩阵论

  • Matlab或者Python程序设计

参考资料

教材： 周志华.机器学习.清华大学出版社,2016


参考资料：

u李航.统计学习方法

uTom Mitchell. Machine Learning.

uWilli Richert. Building Machine Learning Systems with Python

uIan Goodfellow. Deep Learning

uShai Shalev-Shwartz. Understanding Machine Learning: From Theory to Algorithms

常见问题

学习机器学习到底选用什么编程语言？

答：任何一门编程语言都可以用来做机器学习。但建议用Python或者Matlab。Python是深度学习领域通用的、流行的语言，但对我们电子信息工程的同学来说，其缺点是我们以前没有学过。Matlab是机器学习算法开发和原型验证的重要语言，并且有大量的机器学习相关的函数库可用，用来做机器学习入门也非常合适。