機器學習Machine Learning

　　機器學習課程將向學生傳授大規(guī)模數據分析的基本分析技能和方法。課程重點是實際使用這些技能和方法來解決現實世界的問題。課程目標是使學生成為精通數據、有分析頭腦和懂編碼的問題解決者。

　　課程內容：

　　機器學習課程旨在為學生提供機器學習的兩個主要領域的深入介紹：監(jiān)督和非監(jiān)督。課程將涵蓋回歸、分類、聚類和概率分類的一些主要模型和算法。主題如線性和邏輯回歸，正則化，概率(貝葉斯)推理，支持向量機和神經網絡。課程將主要使用Python編程語言，并假設學生熟悉線性代數、概率論和Python編程。

　　機器學習課程涵蓋的主題包括：

　　1、決策樹

　　2、線性回歸：OLS，正則化，線性分類器

　　3、邏輯回歸，多類邏輯回歸排序支持向量機

　　4、特征選擇潛在因素模型

　　5、聚類(k均值，軟k均值)

　　6、集成方法，如隨機森林和Ada Boost

　　7、概率方法(貝葉斯觀點)

　　8、模型評估和模型選擇

　　9、神經網絡和卷積神經網絡

　　10、自動編碼器

　　學習成果：

　　課程結束時，學生應該能夠：

　　1、培養(yǎng)對從數據中學習模型所涉及內容的理解。

　　2、理解各種各樣的學習算法。

　　3、了解如何評估由數據生成的模型。

　　4、將算法應用于實際問題，優(yōu)化學習到的模型，并報告通過應用模型可以達到的預期精度。

　　特定學科技能：

　　1、理解計算機和科學中學習的概念。

　　2、理解監(jiān)督學習和非監(jiān)督學習的區(qū)別。

　　3、理解機器學習和深度學習的區(qū)別。

　　4、設計和評估機器和深度學習算法。