内容摘自'中国大学MOOC'
Branch: master
Clone or download
Latest commit 1a26c44 Jun 24, 2017
Permalink
Type Name Latest commit message Commit time
Failed to load latest commit information.
MachineLearning 俄罗斯方块 Jun 24, 2017
课件资料 add 30课件 Jun 14, 2017
课程数据 解决游戏未响应 Jun 21, 2017
.gitignore edit ignore May 23, 2017
README.md add readme May 23, 2017

README.md

Machine-Learning-with-Python

内容摘自'中国大学MOOC':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:

  • 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;
  • 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:

  • 讲解AlphaGo背后的机器学习原理(强化学习);
  • 游戏对战实例展示,通过实例展示自主学习的强大魅力。

该课程希望传递“理解和运用计算生态,培养集成创新思维”的理念,重点培养学习者运用当代最优秀第三方专业资源,快速分析和解决问题的能力。 “人生苦短,不要刀耕火种”,嵩老师教你直面问题和需求,用最好的工具解决它! 2017年度全新上线的Python语言系列专题课,带给你不一样的学习体验!

Python 网络爬虫与信息提取 http://www.icourse163.org/course/BIT-1001870001

Python 数据分析与展示 http://www.icourse163.org/course/BIT-1001870002

Python 机器学习应用 http://www.icourse163.org/course/BIT-1001872001

Python 科学计算三维可视化 http://www.icourse163.org/course/BIT-1001871001

Python 游戏开发入门 http://www.icourse163.org/course/BIT-1001873001

Python 云端系统开发入门 http://www.icourse163.org/course/BIT-1001871002

预备知识

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零基础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。 本课程需要学习者掌握NumPy、Matplotlib库的基本使用,建议先修嵩老师的“Python数据分析与展示”专题课程。

授课大纲

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:

  • 模块1:机器学习基本思想与原理 vs. sklearn库
  • 模块2:无监督学习之聚类、算法与用例(sklearn中的K-means、DBSCAN)
  • 模块3:无监督学习之降维、算法与用例(sklearn中的PCA、NMF)
  • 模块4:监督学习之分类、算法与用例(sklearn中KNN、朴素贝叶斯、决策树)
  • 模块5:监督学习之回归、算法与用例(sklearn中线性回归、非线性回顾
  • 模块6(实战):监督学习实现手写识别实例编写,算法对比与分析
  • 模块7(选修):强化学习方法、深度学习
  • 模块8(选修、实战):实战项目:Flappy Bird游戏智能对战

参考资料

Python集成开发环境(IDE)

参考教程

  • Python零基础入门教程:《Python语言程序设计基础(第2版)》,嵩天、礼欣、黄天羽著,高等教育出版社,2016.12
  • 专题参考资料:《机器学习实战》,Peter Harrington著,人民邮电出版社。

参考网站