黄海广老师的机器学习课程登陆了中国大学慕课，目前已经结课，第一期有1.1万人报名学习，第二期将在1月14日10点开课了，现在可以报名了。
课程地址：
https://www.icourse163.org/course/WZU-1464096179
课程介绍
Machine Learning(机器学习)是人工智能的核心，本课程用通俗和结合案例的方式，讲解机器学习算法，如经典算法：线性回归、逻辑回归、决策树等，也将讲解近几年才出现的如XGBoost、LightGBM等集成学习算法。此外，这门课还会讲解利用机器学习解决问题的实用技术，还包括Python、Scikit-learn工具的使用等等。
通过本课程，你不仅得到理论基础的学习，而且获得那些利用机器学习解决问题的实用技术，包括机器学习工具的使用等等。
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
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
02 回归
03 逻辑回归
04 朴素贝叶斯
05 机器学习实践
06 机器学习库Scikit-learn
6.2 机器学习库Scikit-learn的主要用法6.3 机器学习库Scikit-learn的使用案例07 KNN算法
08 决策树
09 集成学习
10 人工神经网络
11 支持向量机
12 聚类
13 降维
14 关联规则
15 机器学习项目流程
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，还有期末考试，（上一期期末考试内容见链接）。
课程资源公布在Github：
https://github.com/fengdu78/WZU-machine-learning-course
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。
进阶用户建议选择其中部分内容学习。
课程答疑
回答下几个比较突出的问题：
1.机器学习课程那么多，这门慕课有什么不同之处？
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，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：
学完这门课，机器学习应该就入门了，也会知道进一步需要学习什么。
2.课程过于简单，有些细节没有讲清楚。
这个有两个原因：
第一是慕课通常一个视频在15分钟之内，所以，有些知识点不能讲太细，否则会超时，因此有所取舍。
第二是课程定位问题，这门课程定位是入门基础课程，并非进阶课程，要照顾到广大初学者，特别是大三学生，所以有些知识点没有讲太详细，点到为止，比如支持向量机一章，如果详细讲，可能要超过两个小时，但这章的慕课只讲了40分钟。
3.课程太难，听不懂。
这个应该是基础太薄弱了，应该补下基础，理论上大三的数学水平，学习这门课程应该毫无难度。
4.语速问题
我录课的时候，尽量把语速放慢，这个是因为慕课的要求，语速不能太快，否则大多数读者跟不上进度。
5.代码下载问题
有同学说，课程的代码在github难下载，这里，我将所有代码都上传到慕课了，可以看慕课每章最后，都提供代码下载。
6.课程快结束了，能回放不？
我修改了设置，课程结束仍然可以回放，但前提是要报名这门课。
7.课程的测试题答案
课程练习答案，尚不公开，如果有疑问，可以发邮件haiguang2000@wzu.edu.cn来咨询个别问题。
8.教材问题
我写了一本教材，将要在清华大学出版社出版，和慕课是完全匹配的，以后可以直接用这本教材。
9.课件问题
课件ppt原版文件，我可以提供给在校老师，只要用edu邮箱发邮件haiguang2000@wzu.edu.cn，报上姓名和学校，我都会发送全部原版ppt（目前已经发给690多位老师了）。
其他读者可以直接在github下载课件的pdf版本，不影响阅读，地址：
https://github.com/fengdu78/WZU-machine-learning-course
或者可以直接在百度云下载，地址：
链接:
https://pan.baidu.com/s/1AW7P8dZfGMBgveBygmJlqg
提取码:6r80
后续学习
学完这个慕课以后，同学们应该会知道后续应该学习什么，机器学习范围比较大，可以在某方面进行深入钻研。
总之只要数学基础扎实，代码能力强，机器学习、深度学习，都可以学得很好！
后续建议学习李航老师的《统计学习方法》，或者周志华老师的《机器学习》（西瓜书）。
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
或者可以直接在百度云下载课件的pdf版本，地址：
链接:
https://pan.baidu.com/s/1AW7P8dZfGMBgveBygmJlqg
提取码:6r80
为什么只给老师发原版课件？
我希望他们能在我的课件基础上修改完善，这样他们可以更好地把机器学习课程上好。其他读者下载的是pdf版本，Pdf版本的课件和原版ppt文件一致，在学习上没有区别，因为公开了，还是担心有些机构拿到原版文件用于商业用途（如收费培训），见谅！
部分课件截图课程报名
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：2022年1月14日10点
课程地址：
https://www.icourse163.org/course/WZU-1464096179
