本课程需要学习者具备Python语言编程的基本知识和初步技能,建议Python基础薄弱学习者先修嵩老师的“Python语言程序设计”课程。具体地,学习者需要预先掌握Python的数字类型、字符串类型、分支、循环、函数、列表类型、字典类型、文件和第三方库使用等概念和编程方法。
课程大纲
根据第三方库内容特点,课程共分6个内容模块和2个实战模块
Python机器学习应用人工智能(AI)如何建立呢?通过逻辑推理,还是通过学习模仿?近年来的发展看,机器学习似乎略胜一筹,机器学习建立智能,应用人工智能去解决问题吧!
本课程面向各类编程学习者,讲解当下流行的机器学习相关的技术和方法,帮助学习者利用Python语言掌握机器学习算法解决一般问题的基本能力,一窥前沿机器学习算法的奥秘。
本课程介绍Python计算生态中广受欢迎的机器学习算法库scikit-learn,这些算法在工程、信息、管理、经济等学科领域具有极其广泛的应用潜力,被全世界各大科研院所和国际知名公司广泛采用,包括必修内容和选修内容两部分。
必修内容包括:
(1)理解机器学习,通过介绍机器学习的基本问题(分类、聚类、回归、降维)介绍经典算法;
(2)Python第三方库sklearn(scikit-learn),讲解应用机器学习算法快速解决实际问题的方法。
选修内容包括:
(1)讲解AlphaGo背后的机器学习原理(强化学习);
(2)游戏对战实例展示,通过实例展示自主学习的强大魅力。
机器学习是什么?
⭐️:机器学习是一门涉及数学、统计学、计算机科学等的学科。
⭐️:机器学习是从一个大量的已知数据中,学习如何对未知的新数据进行预测,并且可以随着学习内容的增加,提高对未来数据预测的准确性的一个过程。(着重强调过程,就相当于是从已知去预测未知)
⭐️:例如,在购物时,机器学习算法自动根据浏览历史,推荐用户感兴趣的商品。这点我相信大家在逛淘宝等等的时候都有所体会吧!
机器学习算法可以分为三大类:无监督学习、有监督学习和半监督学习。
那么接下来就简单介绍以下这三类是个什么意思。
无监督学习:不需要提前知道数据集的类别标签,可分为聚类和降维两个领域。
有监督学习:使用有标签的训练数据建立模型,用来预测新的未知标签的数据,可分为分类和回归两个领域。(分类是预测离散值,回归是预测连续值)
半监督学习:无监督学习和有监督学习的结合。
为什么选择机器学习
例如垃圾邮件的识别和清理,这是*设计的规则体系来设计“智能应用”的一个实例,人为制订的决策规则对某些应用来说是可行的,特别是人们对其模型处理过程非常熟悉的应用
做决策所需要的逻辑只适用于单一领域和单项任务任务,哪怕稍有变化,都可能需要重写整个系统
想要制订规则,需要对人类*的决策过程有很深刻的理解
但是如果有了机器学习,向程序输入海量人脸图像,就足以让算法确定识别人脸需要哪些特征