黄海广老师《机器学习》慕课第二轮1月14日开课了！
黃海廣老師的機器學習課程登陸了中國大學慕課，目前已經結課，第一期有1.1萬人報名學習，第二期將在1月14日10點開課了，現在可以報名了。
課程地址：
https://www.icourse163.org/course/WZU-1464096179
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。
與國內外很多非常優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容。
課程鏈接：
https://www.icourse163.org/course/WZU-1464096179
課程資源公布在Github：
https://github.com/fengdu78/WZU-machine-learning-course
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，并能夠根據實際問題的需要選擇并實現相應的算法。
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
3.3 邏輯回歸求解
3.4 邏輯回歸的代碼實現
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
05 機器學習實踐
5.1 數據集劃分
5.2 評價指標
5.3 正則化、偏差和方差
06 機器學習庫Scikit-learn
6.1 機器學習庫Scikit-learn概述
6.2 機器學習庫Scikit-learn的主要用法
6.3 機器學習庫Scikit-learn的使用案例
07 KNN算法
7.1 距離度量
7.2 KNN算法
7.3 KD樹劃分
7.4 KD樹搜索
08 決策樹
8.1 決策樹原理
8.2 ID3算法
8.3 C4.5算法
8.4 CART算法
09 集成學習
9.1 集成學習方法概述
9.2 AdaBoost和GBDT算法
9.3 XGBoost算法
9.4 LightGBM算法
9.5?集成學習的代碼實現
10 人工神經網絡
10.1 人工神經網絡概述
10.2 感知機算法
10.3 反向傳播算法(BP算法)
11?支持向量機
11.1 支持向量機概述
11.2 線性可分支持向量機
11.3 線性支持向量機
11.4 線性不可分支持向量機
11.5 支持向量機的代碼實現
12 聚類
12.1 無監督學習概述
12.2 K-means聚類
12.3 密度聚類和層次聚類
12.4 聚類的評價指標
13 降維
13.1 降維概述
13.2 SVD(奇異值分解)
13.3 PCA(主成分分析)
14 關聯規則
14.1 關聯規則概述
14.2 Apriori 算法
14.3 FP-Growth算法
15 機器學習項目流程
15.1 機器學習項目流程概述
15.2 數據清洗
15.3 特征工程
15.4 數據建模?
課程大綱可能會有小范圍調整。
課程每個單元會有20道題目的測驗，還有期末考試，（上一期期末考試內容見鏈接）。
課程資源公布在Github：
https://github.com/fengdu78/WZU-machine-learning-course
預備知識
數學基礎：主要包括高等數學、線性代數、概率論與數理統計。最低要求：大三上學期的數學水平。
編程基礎：已經掌握一種編程工具，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生。
與其他優秀的機器學習課程相比，本課程內容相對簡單易懂，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。
進階用戶建議選擇其中部分內容學習。
課程答疑
回答下幾個比較突出的問題：
1.機器學習課程那么多，這門慕課有什么不同之處？
與國內外很多非常優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，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。
學完這門課，機器學習應該就入門了，也會知道進一步需要學習什么。
2.課程過于簡單，有些細節沒有講清楚。
這個有兩個原因：
第一是慕課通常一個視頻在15分鐘之內，所以，有些知識點不能講太細，否則會超時，因此有所取舍。
第二是課程定位問題，這門課程定位是入門基礎課程，并非進階課程，要照顧到廣大初學者，特別是大三學生，所以有些知識點沒有講太詳細，點到為止，比如支持向量機一章，如果詳細講，可能要超過兩個小時，但這章的慕課只講了40分鐘。
3.課程太難，聽不懂。
這個應該是基礎太薄弱了，應該補下基礎，理論上大三的數學水平，學習這門課程應該毫無難度。
4.語速問題
我錄課的時候，盡量把語速放慢，這個是因為慕課的要求，語速不能太快，否則大多數讀者跟不上進度。
5.代碼下載問題
有同學說，課程的代碼在github難下載，這里，我將所有代碼都上傳到慕課了，可以看慕課每章最后，都提供代碼下載。
6.課程快結束了，能回放不？
我修改了設置，課程結束仍然可以回放，但前提是要報名這門課。
7.課程的測試題答案
課程練習答案，尚不公開，如果有疑問，可以發郵件haiguang2000@wzu.edu.cn來咨詢個別問題。
8.教材問題
我寫了一本教材，將要在清華大學出版社出版，和慕課是完全匹配的，以后可以直接用這本教材。
9.課件問題
課件ppt原版文件，我可以提供給在校老師，只要用edu郵箱發郵件haiguang2000@wzu.edu.cn，報上姓名和學校，我都會發送全部原版ppt（目前已經發給690多位老師了）。
其他讀者可以直接在github下載課件的pdf版本，不影響閱讀，地址：
https://github.com/fengdu78/WZU-machine-learning-course
或者可以直接在百度云下載，地址：
鏈接:
https://pan.baidu.com/s/1AW7P8dZfGMBgveBygmJlqg?
提取碼:6r80?
后續學習
學完這個慕課以后，同學們應該會知道后續應該學習什么，機器學習范圍比較大，可以在某方面進行深入鉆研。
總之只要數學基礎扎實，代碼能力強，機器學習、深度學習，都可以學得很好！
后續建議學習李航老師的《統計學習方法》，或者周志華老師的《機器學習》（西瓜書）。
課程資料
1.如果是在校老師，請告知我們學校和姓名，我可以發原版ppt文件，請用edu郵箱聯系我：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?
為什么只給老師發原版課件？
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，在學習上沒有區別，因為公開了，還是擔心有些機構拿到原版文件用于商業用途（如收費培訓），見諒！
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：2022年1月14日10點
課程地址：
https://www.icourse163.org/course/WZU-1464096179
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黄海广老师《机器学习》慕课第二轮1月14日开课了！的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： ie浏览器如何截图
- 下一篇： 腾讯视频下载格式_怎么下载腾讯视频