终于在中国大学慕课上找到一门适合初学者的《机器学习》课了！

本科生和初学者学机器学习有点难，但也不是没有可能。

我在中国大学慕课发现一门《机器学习》课程，真是初学者的福音，把复杂的理论用图文并茂的方式进行讲解，值得推荐！

课程介绍

通过这个机器学习课程，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

课程主讲

• 黄海广，博士，副教授，硕士生导师。

  这个名字好熟悉，想起来了：原来是翻译过吴恩达机器学习课程，整理过机器学习、深度学习笔记的黄海广博士。

  黄海广博士善于指导初学者入门，深受读者喜爱。
  

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。

4、慕课的课程一个课时一般在15分钟以内，因此有些复杂理论是点到为止，但不影响读者进一步学习，作者认为：只有入门了，才知道接下来应该怎样走。

课程大纲

01 引言

    1.1 机器学习概述

    1.2 机器学习的类型

    1.3 机器学习的背景知识

    1.4 机器学习的开发流程

02 回归

    2.1 线性回归

    2.2 梯度下降

    2.3 正则化

    2.4 回归的评价指标

03 逻辑回归

    3.1 分类问题

    3.2 Sigmoid函数

    3.3 逻辑回归求解

    3.4 逻辑回归的代码实现

04  朴素贝叶斯

    4.1 贝叶斯方法

    4.2 朴素贝叶斯原理

    4.3 朴素贝叶斯案例

    4.4 朴素贝叶斯代码实现

05 机器学习实践

    5.1 数据集划分

    5.2 评价指标

    5.3 正则化、偏差和方差

06 KNN算法

    6.1 距离度量

    6.2 KNN算法

    6.3 KD树划分

    6.4 KD树搜索

07 决策树

    7.1 决策树原理

    7.2 ID3算法

    7.3 C4.5算法

    7.4 CART算法

08 集成学习

    8.1 集成学习方法概述

    8.2 AdaBoost和GBDT算法

    8.3 XGBoost算法

    8.4 LightGBM算法

09 人工神经网络

    9.1 人工神经网络概述

    9.2 感知机算法

    9.3 反向传播算法(BP算法)

10 支持向量机

    10.1 支持向量机概述

    10.2 线性可分支持向量机

    10.3 线性支持向量机

    10.4 线性不可分支持向量机

11聚类

    11.1 无监督学习概述

    11.2 K-means聚类

    11.3 密度聚类和层次聚类

    11.4 聚类的评价指标

12 降维

    12.1 降维概述

    12.2 SVD(奇异值分解)

    12.3 PCA(主成分分析)

13 关联规则

    13.1 关联规则概述

    13.2 Apriori 算法

    13.3 FP-Growth算法

14 机器学习项目流程

    14.1 机器学习项目流程概述

    14.2 数据清洗

    14.3 特征工程

    14.4 数据建模 

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，课程相关资料已经公布在Github。

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。

课程资料

课程资料包括所有章节的代码和课件等等，读者可以直接在github下载，地址：

https://github.com/fengdu78/WZU-machine-learning-course  （star数量718）

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：2021年9月6日10点到2021年12月21日，课程即将截止，请赶快报名学习。

而且，课程有约300道机器学习练习题，都做熟练了，对应聘机器学习岗位很有帮助，课程还有期末考试，请赶快报名哦！

课程地址：

https://www.icourse163.org/course/WZU-1464096179