本课程介绍Python计算生态中广受欢迎的机器学习算法及其具体实现方法。这些算法在工程、信息、管理、经济等学科领域具有极其广泛的应用潜力,被全世界各大科研院所和国际知名公司广泛采用。
基础内容包括:
(1)Python语法概要。
(2)Python数据处理。
(3)机器学习概念。
(4)通过丰富的实际案例,掌握机器学习的基本问题,如分类、聚类、回归、神经网络、深度学习等经典算法。
(5)使用Python实现算法,及常见机器学习库(如Numpy、Pandas、SKlearn、OpenCV、Tensorflow等的使用。学会应用机器学习算法来解决实际遇到的问题。
提高内容包括:
(1)机器学习背后的算法原理
(2)了解机器学习算法的优化途径
(3)分析实例问题,解决实际问题,对比解决方案
本课程的理念是使学习者理解和运用计算过程,培养创新思维,重点培养学习者运用良好的开发工具和丰富的学习资源、快速分析和解决问题的能力。
本课程介绍Python计算生态中广受欢迎的机器学习算法及其具体实现方法。这些算法在工程、信息、管理、经济等学科领域具有极其广泛的应用潜力,被全世界各大科研院所和国际知名公司广泛采用。
本课程的理念是使学习者理解和运用计算过程,培养创新思维,重点培养学习者运用良好的开发工具和丰富的学习资源、快速分析和解决问题的能力。
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。
第一周 课程简介及人工智能基础
1.2 机器学习的基本概念
1.7 Numpy与Pandas文件访问
1.4 Python开发环境
1.1 人工智能的发展历程
1.6 Python文件访问
1.3 机器学习开发环境
实验素材
1.5 Python数据处理
实验1
第二周 Python常用机器学习库
2.4 Numpy数组切片、迭代
2.9 Matplotlib绘图
2.10 Matplotlib图表形状
2.5 Pandas数据分析模块
2.2 Numpy创建数组序列
2.1 Numpy数值计算模块
2.8 Matplotlib绘图模块
2.11 Matplotlib显示图像和pandas绘图
2.6 Pandas-dataframe
2.7 Pandas统计
2.3 Numpy实例:一定要加油
实验2
第三周 OpenCV及机器学习基础
3.1机器学习算法的性能评价
2.12 OpenCV视觉模块
2.14 OpenCV - 检测人脸
2.13 OpenCV - 捕获摄像头视频
3.2 机器学习算法的一般流程
实验3
第四周 KNN分类算法
4.3 KNN算法实现
4.2 KNN算法-数据集拆分
4.1 KNN算法
4.5 KNN算法实战-印刷体数字识别(2)
4.4KNN算法实战-印刷体数字识别(1)
实验4
第五周 K-means聚类算法
5.4 使用K-Means对iris聚类
5.1 K-均值聚类概念
5.2 K-Means算法性能评价
5.3 SKlearn实现K-Means聚类
5.6 K-Means聚类中的问题
5.5 案例:K均值-双11物流公司配送问题
实验5
第六周 回归算法
6.3多元线性回归-预测电影票房
6.1回归算法概念
6.2一元线性回归-预测电影票房
6.6案例:逻辑回归-贷款逾期情况预测
6.4逻辑回归
6.5逻辑回归参数的确定
实验6
第七周 神经网络
7.1 神经元与MP模型
7.5 神经网络案例实战
7.2 感知机
7.4 BP算法(2)
7.3 BP算法
第八周 深度学习
8.3 深度学习实战-minst手写数字识别
8.1 深度学习的来源
8.2 卷积神经网络CNN
教材:《Python机器学习 - 原理、算法及案例实战 》,刘艳,清华大学出版社