我是黃海廣，我上的一門課叫《機器學習》，本科生學機器學習有點難，但也不是沒有可能，我在摸索中，設計適合本科生的機器學習課程，寫了教材，錄了視頻，做了課件。我有科普文章寫作經(jīng)驗，知道初學者需要什么，因此，上這門課還是相當?shù)眯膽帧?br />課程登陸了中國大學慕課，將在9月6日10點開課了。

課程介紹

Machine Learning(機器學習)是人工智能的核心，本課程用通俗和結合案例的方式，講解機器學習算法，如經(jīng)典算法：線性回歸、邏輯回歸、決策樹等，也將講解近幾年才出現(xiàn)的如XGBoost、LightGBM等集成學習算法。此外，這門課還會講解利用機器學習解決問題的實用技術，還包括Python、Scikit-learn工具的使用等等。

通過本課程，你不僅得到理論基礎的學習，而且獲得那些利用機器學習解決問題的實用技術，包括機器學習工具的使用等等。

與國內(nèi)外很多非常優(yōu)秀的機器學習課程或作品相比（如吳恩達機器學習課程、李航老師的統(tǒng)計學習方法、周志華老師的《機器學習》等），本課程對初學者來說，更加容易理解，本課程屬于“雪中送炭”，而不是“錦上添花”，更適合初學者學習，主要解決初學者的三個問題：

• 就是資料太多，難以取舍；

• 理論性強，初學比較困難；

• 代碼資料比較少。

課程門檻較低，只要有本科三年級以上的數(shù)學知識，會一種編程語言，就可以掌握這門課程的絕大部分內(nèi)容。

課程鏈接：
https://www.icourse163.org/course/WZU-1464096179?tid=1464959450?

課程資源公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course

課程主講

• 黃海廣，博士，副教授，碩士生導師，善于指導初學者入門，曾經(jīng)翻譯過吳恩達機器學習課程，整理過機器學習、深度學習筆記等等。

• 張笑欽，博士，教授，博士生導師。

• 徐震，博士，講師。

授課目標

1、掌握機器學習的基本問題定義、基本模型，對機器學習學科有概覽性的認識。

2、掌握目前主流的機器學習算法和模型，并能夠根據(jù)實際問題的需要選擇并實現(xiàn)相應的算法。

3、編程完成機器學習典型應用實例，對機器學習工程編程有初步的訓練。

課程大綱

01 引言

1.1 機器學習概述

1.2 機器學習的類型

1.3 機器學習的背景知識

1.4 機器學習的開發(fā)流程

02 回歸

2.1 線性回歸

2.2 梯度下降

2.3 正則化

2.4 回歸的評價指標

03 邏輯回歸

3.1 分類問題

3.2 Sigmoid函數(shù)

3.3 邏輯回歸求解

3.4 邏輯回歸的代碼實現(xiàn)

04 ?樸素貝葉斯

4.1 貝葉斯方法

4.2 樸素貝葉斯原理

4.3 樸素貝葉斯案例

4.4 樸素貝葉斯代碼實現(xiàn)

05 機器學習實踐

5.1 數(shù)據(jù)集劃分

5.2 評價指標

5.3 正則化、偏差和方差

06 KNN算法

6.1 距離度量

6.2 KNN算法

6.3 KD樹劃分

6.4 KD樹搜索

07 決策樹

7.1 決策樹原理

7.2 ID3算法

7.3 C4.5算法

7.4 CART算法

08 集成學習

8.1 集成學習方法概述

8.2 AdaBoost和GBDT算法

8.3 XGBoost算法

8.4 LightGBM算法

09 支持向量機

9.1 支持向量機概述

9.2 線性可分支持向量機

9.3 線性支持向量機

9.4 線性不可分支持向量機

10 人工神經(jīng)網(wǎng)絡

10.1 人工神經(jīng)網(wǎng)絡概述

10.2 感知機算法

10.3 反向傳播算法(BP算法)

11聚類

11.1 無監(jiān)督學習概述

11.2 K-means聚類

11.3 密度聚類和層次聚類

11.4 聚類的評價指標

12 降維

12.1 降維概述

12.2 SVD(奇異值分解)

12.3 PCA(主成分分析)

13 關聯(lián)規(guī)則

13.1 關聯(lián)規(guī)則概述

13.2 Apriori 算法

13.3 FP-Growth算法

14 機器學習項目流程

14.1 機器學習項目流程概述

14.2 數(shù)據(jù)清洗

14.3 特征工程

14.4 數(shù)據(jù)建模?

課程大綱可能會有小范圍調(diào)整。

課程每個單元會有20道題目的測驗，課程相關資料已經(jīng)公布在Github。

預備知識

數(shù)學基礎：主要包括高等數(shù)學、線性代數(shù)、概率論與數(shù)理統(tǒng)計。最低要求：大三上學期的數(shù)學水平。

編程基礎：已經(jīng)掌握一種編程工具，最好會使用Python進行簡單地編程。

課程定位

基礎入門課，適合大三以上的本科生，或者初學機器學習的碩士生，博士生，也適合對機器學習感興趣的畢業(yè)生。
與其他優(yōu)秀的機器學習課程相比，本課程內(nèi)容相對簡單易懂，資料全面，課程團隊堅信：讓地方性本科院校的學生也能入門機器學習。

課程資料

1.如果是在校老師，請告知我們學校和姓名，我可以發(fā)原版ppt文件，請用edu郵箱聯(lián)系我：haiguang2000@wzu.edu.cn

2.其他讀者可以直接在github下載，地址：

https://github.com/fengdu78/WZU-machine-learning-course

或者可以直接在百度云下載課件的pdf版本，地址：

鏈接:

https://pan.baidu.com/s/1AW7P8dZfGMBgveBygmJlqg?

提取碼:6r80 復制這段內(nèi)容后打開百度網(wǎng)盤手機App，操作更方便哦

為什么只給老師發(fā)原版課件？

我希望他們能在我的課件基礎上修改完善，這樣他們可以更好地把機器學習課程上好。其他讀者下載的是pdf版本，Pdf版本的課件和原版ppt文件一致，在學習上沒有區(qū)別，因為公開了，還是擔心有些機構拿到原版文件用于商業(yè)用途（如收費培訓），見諒！

部分課件截圖

課程報名

課程在中國大學慕課開課，這個平臺是免費的。

課程開課時間：2021年9月6日10點

課程地址：

https://www.icourse163.org/course/WZU-1464096179?tid=1464959450?

點擊下方『閱讀原文』立即報名。

總結

以上是生活随笔為你收集整理的等了一个月，我主讲的课程《机器学习》在中国大学慕课开课了！的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。