我是黄海广，大学老师，我上的一门课叫《机器学习》，本科生学机器学习有点难，但也不是没有可能，我在摸索中，设计适合本科生的机器学习课程，写了教材，录了视频，做了课件。我把授课的心得结合机器学习相关知识做了视频，课程登陆了中国大学慕课，将在9月4日10点开课了。
目前已经开课第六轮，累计2万人报名学习，本期开课时间：2023年9月4日10点。
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。
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
课程配套教材已经出版：《机器学习入门基础（微课版）》
此外本课程被认定为浙江省一流本科课程。
课程主讲
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 KNN算法
07 决策树
08 集成学习
09 支持向量机
10 人工神经网络
11聚类
12 降维
13 关联规则
14 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，课程相关资料已经公布在Github：
https://github.com/fengdu78/WZU-machine-learning-course （1400+star）
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。
注意：因为慕课平台的视频时长要求，对内容有所精炼。
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
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：2023年9月4日10点
课程地址：
https://www.icourse163.org/course/WZU-1464096179
