我是黄海广，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。我有科普文章写作经验，知道初学者需要什么，因此，上这门课还是相当得心应手。
课程登陆了中国大学慕课，将在9月6日10点开课了。

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?tid=1464959450

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，善于指导初学者入门，曾经翻译过吴恩达机器学习课程，整理过机器学习、深度学习笔记等等。

• 张笑钦，博士，教授，博士生导师。

• 徐震，博士，讲师。

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

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 支持向量机

9.1 支持向量机概述

9.2 线性可分支持向量机

9.3 线性支持向量机

9.4 线性不可分支持向量机

10 人工神经网络

10.1 人工神经网络概述

10.2 感知机算法

10.3 反向传播算法(BP算法)

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

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 复制这段内容后打开百度网盘手机App，操作更方便哦

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！

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

课程地址：

https://www.icourse163.org/course/WZU-1464096179?tid=1464959450

点击下方『阅读原文』立即报名。