课程名称:
《机器学习》升级版III9 g0 W5 x) k8 r
9 }% G0 f _8 y2 @0 I$ b
课程目标:. v1 D8 a$ [0 V( M
本课程特点是从数学层面推导最经典的机器学习算法,以及每种算法的示例和代码实现(Python)、如何做算法的参数调试、机器学习算法的应用场景介绍等。
5 }4 R. g, S/ ~9 E6 y/ c
开课时间是:5 ?8 e# k0 f% C2 p' \& c' y& w4 E
2017年1月2日,共26次课,每次2小时. |; ~7 k# Q6 C
! S q$ i, J5 M: m
升级版III的内容特色:; \, H+ x; X t! g( Q0 R
1,增加5次“机器学习的角度看数学”和2次“Python与机器学习”,提升学习深度,降低学习坡度。
2,强化矩阵运算、概率论、数理统计的知识运用,掌握机器学习根本。) _4 s: ^5 H( J8 D& G* k# `: A
3,阐述机器学习原理,提供配套源码和数据;确保“懂推导,会实现”。
4,删去过于晦涩的公式推导,代之以直观解释,增强感性理解。
5,重视项目实践(如工业实践、Kaggle等),重视落地。, k& L1 E6 W- {6 w
6,重视将实践问题转换成实际模型的能力,分享实际案例。3 n g9 o5 U6 ]
7,对比不同的特征选择带来的预测效果差异。
8,思考不同算法之间的区别和联系,提高在实际工作中选择算法的能力。5 d# r$ O* a4 s9 _& W% o* x
9,涉及和讲解的部分Python库有:Numpy/Scipy/matplotlib/Pandas/scikit-learn/XGBoost/libSVM/LDA/Gensim/NLTK/HMMLearn8 f( h( Z' D9 O8 a
10,每个算法模块按照“原理讲解->自己动手实现->使用已有机器学习库”的顺序,切实做到“顶天立地”。' s0 {; F1 E* T3 q W/ |
; ~' @0 L" f; ^ W6 [8 e
课程大纲:, S* `, ]0 B: D! M# E
课时1:机器学习应用实验手册
第1 章 : 第一周课件资料和视频" T- e+ ^, G3 e: Q* k* x& b
课时2:1.机器学习与数学分析
课时3:视频-1.机器学习与数学分析
课时4:2.概率论与贝叶斯先验
课时5:视频-2.概率论与贝叶斯先验) C) W) _2 D) O! m9 D
课时6:3.数理统计与参数估计) d* ]4 F$ D. x+ t, Q$ H0 R
课时7:视频-3.数理统计与参数估计2 ~/ o5 D+ Z% g2 N3 N
第2 章 : 第二周课件资料和视频
课时8:4.矩阵和线性代数
课时9:视频-4.矩阵和线性代数6 \5 U% B& |* L* H9 t: L7 L' I+ S- b
课时10:5.凸优化
课时11:视频-5.凸优化
课时12:6.Python基础7 X2 x8 i! a: ]+ I5 {
课时13:视频-6.Python基础
第3 章 : 第三周课件资料和视频0 W* x+ B: H, m& r+ @+ b6 `, w
课时14:7.Python库9 G% l- x2 b; q2 v+ p
课时15:视频-7.Python库0 x" L" [2 F: \/ M/ L' e4 O: ]
课时16:8.回归与特征选择% c" O$ n6 o/ ?- ]% }
课时17:视频-8.回归与特征选择
课时18:9.Logistic回归
课时19:视频-9.Logistic回归. P2 M }; }! K1 [1 ?, M7 [0 s# g" ?7 S
第4 章 : 第四周课件资料和视频
课时20:10.回归实践2 h! z2 n/ d) u$ ]1 o; }# R
课时21:视频-10.回归实践
课时22:11.决策树和随机森林
课时23:视频-11.决策树和随机森林( L' }' e3 g! u" n9 m, t& J. f
课时24:12.决策树和随机森林实践
课时25:视频-12.决策树和随机森林实践8 c4 K/ N7 D" G# ~4 K8 K P5 @: {
第5 章 : 第五周课件资料和视频1 A: |- T" [ @- k$ ?" s
课时26:13.提升
课时27:视频-13.提升
课时28:14.XGBoost实践$ ]2 A/ Q' ^& o, W8 e
课时29:视频-14.XGBoost实践
课时30:15.SVM
课时31:视频-15.SVM
第6 章 : 第六周课件资料和视频
课时32:16.SVM实践
课时33:视频-16.SVM实践
课时34:17.聚类9 _ Y, w5 s) k$ n) l
课时35:视频-17.聚类+ U; `. M5 c* n7 b9 F1 J5 q; n- g% k$ s6 h
课时36:18.聚类实践: V ?' K/ f3 h# o5 v2 T `
课时37:视频-18.聚类实践6 }- L2 C8 z& y7 C# f' d
第7 章 : 第七周课件资料和视频
课时38:19.EM算法& a( f$ ~9 t& p# J0 |
课时39:视频-19.EM算法* X& [' T9 l: f2 p; t5 N' r
课时40:20.EM算法实践
课时41:视频-20.EM算法实践
课时42:21.贝叶斯网络" z9 S1 M. ?, h
课时43:视频-21.贝叶斯网络
第8 章 : 第八周课件资料和视频
课时44:22.贝叶斯网络实践: Y) ?! i+ [8 s# V2 ~
课时45:视频-22.贝叶斯网络实践, y( }/ O/ r& _% c
课时46:23.主题模型
课时47:视频-23.主题模型. ?0 w5 X2 d: ~% d5 c
课时48:24.主题模型实践6 J7 V& Q' Z9 J0 W2 [% e
课时49:视频-24.主题模型实践. U9 v) |8 j) G- Q" ^! b# x- s
第9 章 : 第九周课件资料和视频2 Y" J7 L- o4 g3 n4 ^9 r# x
课时50:25.HMM
课时51:视频-25.HMM7 B* `$ J* y7 p# ~
课时52:26.HMM实践1 A0 l# R- \: g" {- q
课时53:视频-26.HMM实践