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