- 1、本文档共84页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
1
机器学习-机器学习概论
项德良
xiangdeliang@
2022年09月
课程的主要目的
2
• 机器学习已经成为一种解决诸 多问题的有效工具 ,是 多学
科 交叉的领域 ,应用面广泛;
• 考虑人工智能专业学生的知识基础 ,以面向人工智能应用
为 目标 ,开设 “机器学习”课程 ;
• 为学生掌握机器学习的本质和算法,以解决实际问题和为
开展 与本方向相 关的研 究打下基础 。
本课程的主要内容
3
• 课时要求:周3学时,秋季学期
• 机器学习的基本知识 (15学时)
– (基本概念、统计基础、回归学习、分类学习的基本算法,机器学习理论 简介)
• 核 方法和支持 向量机 (4 学时)
• 决策树和集成学习 (5学时)
• 神经网络+深度学习 (9学时)
• 无监督学习 (聚类、EM 算法、降维和隐变量学习) (3学时)
• 强化 学习+深度强化 学习 (6学时)
本课程内容的平衡性
4
• 深度学习很重要 ,尤其几种商业化应用:计算机视 觉、语音识别、 自然语言处理、
推荐 系统等,既有 大数据 支持 ,又可以通过大规模计算系统进行训练 (学习) ,取
得许 多重要进展 。但并不是所有应用都有必要使用深度学习,许 多问题用传统机器
学习已可以取得很好 的结果;
• 目前神经网络的第三次复兴 (以前有两次衰落过程) ,但并不能证 明深度学习就是
智能技术的终极方法,其他方法的延 申或新方法仍有可能取得 突破 ;
• 作 为机器学习的基础课程 ,在几种主要机器学习方法 (包括深度学习作 为一种重要
方法)之 间掌握优缺点和适用范围,更深刻 了解人工智能、机器学习、深度学习的
关系。
教材和参考资料
5
• 教材 :
张旭 东, 《机器学习导论》 ,清华大学出版社 ,2022年
• 参考书
周志华,机器学习,清华大学出版社 ,北京,2016年
李航 ,统计学习方法,清华大学出版社 ,北京,2019年
• 在 线课程
斯坦福深度学习课程
(/wiki/index.php/UFLDL_Tutorial) ,介绍无监督
功能学习和深度学习的主要思想。本课程 理论与实践相结合,着重介绍实
践 中遇到的问题 以及如何解决。
• 资源下载 (电子教材、参考书、在 线课程和代码)
/u112088/daznxp
课程考核
6
• 作业 :习题+仿真实验报告
• 考试成绩 :课后 习题作业 (15%)+ 仿真实验报告 (20%)+
期 末考试 (65%)。
• 预先要求:要求python编程能力,若没有python编程基础 ,
请 自学。
• 助教有一个关于编程和project 的指导性讲座
“机器学习”课程与其他课程的关系
7
n 与 “模 式识别”的关系
n 狭 义讲 , “模 式识别”是一种任务 , “机器学习”是一种通用工具 ,是 目前模
式识别用的最多的工具。
n 与 “现代信号处理”的关系
n 现代 (自适应)滤波技术与机器学习的回归问题本质上是相 同的,盲信号处理
文档评论(0)