文件链接:http://jyt.zj.gov.cn/art/2022/11/15/art_1228998760_58938731.html
近日,浙江省教育厅公布了2022年省级一流本科课程认定结果,黄海广老师在中国大学慕课的《机器学习》课程,被认定为浙江省一流线上课程。
目前已经开课第四轮,共2万人报名学习,目前还可以报名学习。
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。
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,目前在出版社加工,内容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
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
链接:
https://pan.baidu.com/s/1J3-QU6D3UFVlrjTY75FFLw
提取码:43s2
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!
如何学习?
课程在中国大学慕课开课,这个平台是免费的。
课程地址:
https://www.icourse163.org/course/WZU-1464096179