威斯康辛大学《机器学习导论》2020秋季课程完结,课件、视频资源已开放(附下载)...
来源:机器之心
本文约2000字,建议阅读8分钟
对于机器学习领域的初学者来说,这会是很好的入门课程。目前,课程的笔记、PPT 和视频正在陆续发布中。
2020 年就这么悄无声息地走完了,想必大多数人,尤其是在校学生唯一的感觉就是:「又是毫无学术进展的一年。」
别慌,只要马上开始学习,什么时候都不算晚。
近日,威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结:「教授两个班级和 230 个学生是相当不错的体验,对于那些感兴趣的人,我整理了一页记录以供参考。」
课程笔记主页:
https://sebastianraschka.com/resources/ml-lectures-1.html(持续更新中)
Sebastian Raschka 是威斯康星大学麦迪逊分校的统计学助理教授,致力于机器学习和深度学习研究。他最近的一些研究方法已应用于生物识别领域,解决面部图像隐私问题,其他的研究重点包括开发与机器学习中的模型评估、对抗攻击和 AutoML 有关方法和应用程序。他也是《Python 机器学习》一书的作者,曾被科技博客 Analytics Vidhya 评为 GitHub 上具影响力的数据科学家之一。
对想要学习这门课程的学生,Sebastian Raschka 教授的建议是:你至少要熟悉基本编程知识并完成了编程入门课程。
课程总共由七个部分组成:
第一部分:简介
L01:什么是机器学习
1.1 课程概述:「Stat 451:机器学习导论(FS 2020)」的简介
1.2 什么是机器学习:机器学习的定义,以及机器学习与编程的关系
1.3 机器学习的类别:讨论了机器学习的三大类,监督学习、无监督学习和强化学习
1.4 符号:介绍了将在本课程中使用的机器学习形式和符号
1.5 ML 应用:走向机器学习程序的主要步骤,以及机器学习组件的分类
1.6 ML 动力:关于学习机器学习的不同观点和动力
L02:最近邻算法
2.1 最近邻算法:介绍最近邻算法,概览最近邻算法的应用和最新进展
2.2 最近邻决策边界:包括 1 - 最近邻决策边界背后的概念,此外还列出了一些常见的距离度量
2.3 K - 最近邻算法:将 1 - 最近邻概念扩展到 k - 最近邻算法,进行分类和回归
2.4 K - 最近邻的 Big O:K - 最近邻简单实现的 Big O 运行时间复杂度
2.5 K - 最近邻的提升:总结一些提升 K - 最近邻计算性能和预测效率的常见技巧
2.6 Python 中的 K - 最近邻:利用 scikit-learn,在 Python 中使用 K - 最近邻。这节课中使用的 Jupyter 笔记本从这里获取:https://github.com/rasbt/stat451-machine-learning-fs20/blob/master/L02/code/02_knn_demo.ipynb
第二部分:计算基础
L03: (可选)Python 编程
3.1 Python 概述:这节课将讨论 Python 的用法,进行 C 和 Python 的快速演示(也许并不是很有吸引力)
3.2 Python 设置:演示如何在 MacOS 上使用 Miniconda 安装 Python,另外提供了有关 conda 软件包管理器的简短演示
3.3 运行 Python 代码:演示运行 Python 代码的不同方式,包括 REPL、IPython、.py 脚本和 Visual Studio Code
L04: Python 中的科学计算
4.1 NumPy 基础知识介绍
4.2 NumPy 数组的创建及索引
4.3 NumPy 数组的数学运算和通用函数
4.4 NumPy 的广播机制
4.5 NumPy 高级索引–内存视图和副本
4.6 NumPy 随机数生成器
4.7 重塑 NumPy 数组
4.8 NumPy 比较运算符和掩码
4.9 NumPy 线性代数基础
4.10 Matplotlib
L05: 使用 Scikit-Learn 进行机器学习
5.1 从表格文本文件读取数据集
5.2 基本数据处理
5.3 面向对象的编程和 Python 类
5.4 Scikit-Learn 简介
5.5 Scikit-Learn Transformer API
5.6 Scikit-Learn 管道
第三部分:基于树的方法
L06:决策树
6.1 决策树简介
6.2 递归算法和 Big-O
6.3 决策树的类型
6.4 分割标准
6.5 基尼系数 & 熵与误分类误差:阐释在 CART 决策树的信息增益方程式中,为什么要使用熵(或基尼)代替误分类误差作为杂质度量
6.6 改进和处理过拟合:将决策树的一些问题(例如过拟合)融合在一起并讨论改进方法,例如增益比、预剪枝和后剪枝
6.7 代码示例:如何使用 scikit-learn 训练和可视化决策树的快速演示
L07: 集成方法
7.1 集成方法简介:讨论了包括绝对多数投票法(majority voting)、套袋法(bagging)、随机森林(random forests)、堆栈(stacking)、梯度提升(gradient boosting)等最受欢迎、使用最广泛的机器学习方法。
7.2 绝对多数投票法:讨论最基本的模型集成之一「绝对多数投票」,通过示例解释为什么它比使用单个分类器更好
7.3 套袋法:介绍了偏差 - 方差权衡和分解,以了解套袋法的用途
7.4Boosting 和 AdaBoost:讨论 boosting 的概念,然后介绍了 AdaBoost,该方法将弱分类器(比如决策树桩)提升为强分类器
7.5 梯度提升:在 AdaBoost 使用权重作为训练示例来提升下一轮树的情况下,梯度提升使用损失的梯度来计算残差以适应序列中的下一棵树,视频中提到的论文地址:https://dl.acm.org/doi/pdf/10.1145/2939672.2939785
7.6 随机森林:讲解随机森林及其与套袋法之间的关系,以及为什么随机森林在实践中的效果优于套袋法
7.7 堆栈:介绍 Wolpert 堆栈算法,并展示如何在 mlxtend 和 scikit-learn 中使用堆栈分类器
第四部分:模型评估
模型评估分为五个小节:
L08:基础部分,欠拟合和过拟合
L09:重采样方法
L10:交叉验证
L11:统计测试和算法选择
L12:评估指标
在后续即将更新的课程中,Sebastian Raschka 将对「降维和无监督学习」、「贝叶斯学习」内容进一步介绍,课程资料也会更新,包括讲座视频、PPT 链接等。
待更新的内容包括:
第五章:降维和无监督学习
L13 - 功能选择
L14 - 特征提取
L15 - 聚类
第六章:贝叶斯学习
L16 - 贝叶斯方法简介
L17 - 贝叶斯最佳分类器
L18 - 朴素贝叶斯分类器
L19 - 贝叶斯网络
这些课程资料在 GitHub 平台也会同步更新,项目地址:https://github.com/rasbt/stat451-machine-learning-fs20
编辑:黄继彦
威斯康辛大学《机器学习导论》2020秋季课程完结,课件、视频资源已开放(附下载)...相关推荐
- 威斯康星大学-机器学习导论2020
课程介绍 本课程讲解机器学习的定义以及机器学习与编程的关系.讨论机器学习的三大类:监督学习.非监督学习和强化学习.讲解处理机器学习应用程序的主要步骤,以及对机器学习组件的不同方面进行分类,以及关于学习 ...
- 威斯康辛大学《机器学习导论》2020秋季课程完结,课件、视频资源已开放
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要10分钟 Follow小博主,每天更新前沿干货 转载自:机器之心 对于机器学习领域的初学者来说,这会是很好的入门课程.目前,课程的笔记.PPT ...
- 华盛顿大学《生成模型》2020秋季课程完结,课件、讲义全部放出
来源:机器之心 本文约1000字,建议阅读5分钟. 这门课聚焦生成建模技术的理论和数学基础,探讨多种生成模型技术. 在概率统计理论中,生成模型是指能够随机生成观测数据的模型,尤其是在给定某些隐含参数的 ...
- 作业一(part1):使用威斯康辛大学关于乳腺癌诊断数据集的相关数据, 采用决策树算法(或随机森林)分析乳腺癌诊断数据集,推断肿瘤发病可能情况,然后用5分类
仅供自己学习使用!!! 这篇博客先对数据集做一些介绍 参考链接:http://docode.techyoung.cn/breast_cancer_wisconsin.html 乳腺癌的早期诊断意义重大 ...
- 威斯康星大学硕士计算机科学,2020年威斯康星大学密尔沃基分校排名TFE Times美国最佳计算机科学硕士专业排名第90...
2020 TFE Times排名考虑因素权重 不同硕士专业的排名计算稍显不同,但多数是从: 30%的GRE/GMAT/LSAT分数 25%的毕业生起薪福利 15%的本科生平均GPA 15%的学生录用率 ...
- 威斯康星大学硕士计算机科学,2020年威斯康星大学-麦迪逊分校硕士热门专业
威斯康星大学麦迪逊分校属于公立常春藤联盟的成员之一,建校于1848年,历史悠久,距今已经171年的历史.学校现有21个学院,本科生30360名,研究生8962名,加上国际学生,共4万余名学生.威斯康星 ...
- 95 后哈佛小哥撰写《从零开始的机器学习》,入门必备,书籍资源已开放
点击上方,选择星标或置顶,不定期资源大放送! 阅读大概需要15分钟 Follow小博主,每天更新前沿干货 转自 | 机器之心 作者 | 蛋酱.小舟 机器学习怎么入门最简单?今年刚刚从哈佛大学统计专业毕 ...
- 斯坦福2021版图机器学习课程完结,视频、PPT全放送,大神主讲
来源:AI科技评论本文约1000字,建议阅读5分钟通过研究潜在的图结构及其特征,向学生介绍机器学习技术和数据挖掘工具,从而获得对各种网络的"洞察". 近日,据斯坦福大学Jure L ...
- 威斯康星麦迪逊计算机专业排名,威斯康星大学麦迪逊分校计算机排名2020年
原标题:威斯康星大学麦迪逊分校计算机排名2020年 位于威斯康星州麦迪逊市(Madison, Wisconsin),建于1956年,是一所世界顶尖的著名大学,全世界大学排名19.其工程.计算机.经济学 ...
最新文章
- 【Java小工匠聊密码学】--base58编码
- 某程序员吐槽:分手一个月,发现前女友和一个已婚男人在一起,愤而向他们公司举报,该男已被开除!网友:举报别人不道德!...
- Oracle发布Solaris 11 for Sparc/x86
- 互联网1分钟 |1113
- 基本的JVM内存分配过程案例
- 功能测试包含哪些测试_一小时复习,期末考试必过 重邮软件测试题总结
- 实现两个点集的欧式距离和cos距离和索引值寻找(含有两种解法,for循环和矩阵操作)
- java - 求最大公约数和最小公倍数
- java 创建文件夹的方法_java中创建文件夹的方法
- 免费数据集获取加速器|Graviti Open Datasets
- 314.二叉树的垂直遍历
- MySQL-第九篇分组和组函数
- java 线程池与executor_详解Java线程池和Executor原理的分析
- 台达伺服b3参数_恩阳台达B3系列伺服安装
- ionic-vue 开发app移动端
- 房贷又降,不买!还能降
- 编写有效的测试用例及如何进行用例评审
- 分析天平计算机分类,分析化学之分析天平的概述和分类
- python中心性评价_centrality 计算复杂网络中的节点或边 数中心性,基于python的 工具箱 matlab 238万源代码下载- www.pudn.com...
- TypeError: cannot astype a timedelta from [timedelta64[ns]] to [int32]
热门文章
- 搭建struts2.1.6环境所需要的包(7个)
- [Android]上传到多个Maven仓库的Gradle插件RapidMavenPushPlugin
- setprecision、fixed、showpoint的用法总结(经典!!超经典!!)【转】
- vue2 构建一个旅游类WebApp
- Referenced file contains errors (http://java.sun.com/xml/ns/j2ee/web-jsptaglibrary_2_4.xsd).
- oracle存储过程dbms_output.put_line()显示打印结果
- Tomat启动自动运行一个类
- java非阻塞 串口读数据_串口阻塞与非阻塞
- php负载均衡原理_Java开发大型互联网架构深入负载均衡原理之方案分析
- ## Hive分析疫情数据