累计超3万人！黄海广的机器学习课

 Datawhale干货 

作者：黄海广，副教授，Datawhale朋友

2024年2月26日10点，黄海广老师在中国大学慕课主讲的《机器学习》课程新一轮开课！目前，已有超过3万热情的学子们怀着探寻科学之美的热忱加入了我们的课堂。

备注：中国大学MOOC (慕课)是国内知名的在线学习平台，每一个有提升愿望的人，都可以在这里学习中国优质的大学课程，学完还能获得认证证书。中国大学MOOC是国内优质的中文MOOC学习平台，拥有众多985高校的大学课程，与名师零距离。更重要的是：课程免费！

课程介绍

在这个人工智能飞速发展的时代，机器学习已经成为我们生活中不可或缺的一部分。它的足迹遍布于医疗诊断、自动驾驶、语音识别等众多领域；而掌握机器学习的技术，无疑是打开当前就业市场重要之门的钥匙。

与国内外很多非常优秀的机器学习课程或作品相比（如吴恩达机器学习课程、李航老师的统计学习方法、周志华老师的《机器学习》等），本课程对初学者来说，更加容易理解，本课程属于“雪中送炭”，而不是“锦上添花”，更适合初学者学习，主要解决初学者的三个问题：

• 就是资料太多，难以取舍；

• 理论性强，初学比较困难；

• 代码资料比较少。

课程门槛较低，只要有本科三年级以上的数学知识，会一种编程语言，就可以掌握这门课程的绝大部分内容。

课程链接：
https://www.icourse163.org/course/WZU-1464096179

课程资源公布在Github：

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

课程配套教材已经出版：《机器学习入门基础（微课版）》

此外本课程被认定为浙江省一流本科课程，并正在申报国家一流本科课程。

课程主讲

• 黄海广，博士，副教授，硕士生导师，善于指导初学者入门，曾经翻译过吴恩达机器学习课程，整理过机器学习、深度学习笔记等等。

授课目标

1、掌握机器学习的基本问题定义、基本模型，对机器学习学科有概览性的认识。

2、掌握目前主流的机器学习算法和模型，并能够根据实际问题的需要选择并实现相应的算法。

3、编程完成机器学习典型应用实例，对机器学习工程编程有初步的训练。

课程大纲

01 引言

1.1 机器学习概述1.2 机器学习的类型1.3 机器学习的背景知识1.4 机器学习的开发流程

02 回归

2.1 线性回归2.2 梯度下降2.3 正则化2.4 回归的评价指标

03 逻辑回归

3.1 分类问题3.2 Sigmoid函数3.3 逻辑回归求解3.4 逻辑回归的代码实现

04  朴素贝叶斯

4.1 贝叶斯方法4.2 朴素贝叶斯原理4.3 朴素贝叶斯案例4.4 朴素贝叶斯代码实现

05 机器学习实践

5.1 数据集划分5.2 评价指标5.3 正则化、偏差和方差

06 KNN算法

6.1 距离度量6.2 KNN算法6.3 KD树划分6.4 KD树搜索

07 决策树

7.1 决策树原理7.2 ID3算法7.3 C4.5算法7.4 CART算法

08 集成学习

8.1 集成学习方法概述8.2 AdaBoost和GBDT算法8.3 XGBoost算法8.4 LightGBM算法

09 支持向量机

9.1 支持向量机概述9.2 线性可分支持向量机9.3 线性支持向量机9.4 线性不可分支持向量机

10 人工神经网络

10.1 人工神经网络概述10.2 感知机算法10.3 反向传播算法(BP算法)

11聚类

11.1 无监督学习概述11.2 K-means聚类11.3 密度聚类和层次聚类11.4 聚类的评价指标

12 降维

12.1 降维概述12.2 SVD(奇异值分解)12.3 PCA(主成分分析)

13 关联规则

13.1 关联规则概述13.2 Apriori 算法13.3 FP-Growth算法

14 机器学习项目流程

14.1 机器学习项目流程概述14.2 数据清洗14.3 特征工程14.4 数据建模 

课程大纲可能会有小范围调整。

课程每个单元会有20道题目的测验，课程相关资料已经公布在Github：

https://github.com/fengdu78/WZU-machine-learning-course （1400+star）

预备知识

数学基础：主要包括高等数学、线性代数、概率论与数理统计。最低要求：大三上学期的数学水平。

编程基础：已经掌握一种编程工具，最好会使用Python进行简单地编程。

课程定位

基础入门课，适合大三以上的本科生，或者初学机器学习的硕士生，博士生，也适合对机器学习感兴趣的毕业生。
与其他优秀的机器学习课程相比，本课程内容相对简单易懂，资料全面，课程团队坚信：让地方性本科院校的学生也能入门机器学习。

注意：因为慕课平台的视频时长要求，对内容有所精炼。

课程资料

1.如果是在校老师，请告知我们学校和姓名，我可以发原版ppt文件，请用edu邮箱联系我：haiguang2000@wzu.edu.cn

2.其他读者可以直接在github下载，地址：

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

课程报名

课程在中国大学慕课开课，这个平台是免费的。

课程开课时间：2024年2月26日10点

课程地址：

https://www.icourse163.org/course/WZU-1464096179