慕课-燕京理工学院

机器学习及其Python实践

课程类型：必修课

发布时间：2023-02-10 08:53:07

主讲教师：阚道宏

课程来源：清华大学

建议学分：0.00分

课程编码：xtzx2238

课程介绍

课程目录

教师团队

第1章机器学习导论

1-1 测算房价的数学模型（15分钟）

1-2 随机模型及其学习算法（24分钟）

1-3 随机变量与数学语言（16分钟）

1-4 更加复杂的数学模型（24分钟）

1-5 机器学习问题（8分钟）

第2章回归分析

2-1 编程环境与数据集（12分钟）

2-2（1）数据集加载与预处理（13分钟）

2-2（2）数据集加载与预处理（2-2-4小节开始）（11分钟）

2-3（1）模型训练与评价（17分钟）

2-3（2）模型训练与评价（2-3-3小节开始）（11分钟）

2-4（1）正则化（11分钟）

2-4（2）正则化（2-4-3小节开始）（12分钟）

2-5 非线性回归（13分钟）

第3章分类问题

3-1（1）贝叶斯分类器（14分钟）

3-1（2）贝叶斯分类器（3-1-2小节）（9分钟）

3-1（3）贝叶斯分类器（3-1-3小节）（14分钟）

3-2（1）非贝叶斯分类器（7分钟）

3-2（2）非贝叶斯分类器（3-2-2小节）（10分钟）

3-2（3）非贝叶斯分类器（3-2-3小节）（17分钟）

3-3 多分类问题与分类模型评价（20分钟）

3-4（1）特征降维（15分钟）

3-4（2）特征降维（3-4-2小节）（14分钟）

3-4（3）特征降维（3-4-3小节开始）（19分钟）

第4章统计学习理论与支持向量机

4-1（1）统计学习理论（26分钟）

4-1（2）统计学习理论（4-1-3小节开始）（18分钟）

4-2（1）线性可分支持向量机（18分钟）

4-2（2）线性可分支持向量机（4-2-3小节开始）（7分钟）

4-3（1）非线性可分的支持向量机（8分钟）

4-3（2）非线性可分的支持向量机（4-3-2小节）（6分钟）

4-4 SVM分类器及其Python实现（6分钟）

第5章聚类问题

5-1 聚类问题的提出（14分钟）

5-2（1） EM算法（11分钟）

5-2（2） EM算法（5-2-2小节开始）（9分钟）

5-3 K均值聚类（14分钟）

5-4 密度聚类DBSCAN （9分钟）

5-5 向量量化（9分钟）

第6章概率图模型与概率推理

6-1 贝叶斯网（16分钟）

6-2（1） MCMC算法基础（18分钟）

6-2（2） MCMC算法基础（6-2-3小节开始）（29分钟）

6-3（1） MCMC算法家族（12分钟）

6-3（2） MCMC算法家族（6-3-2小节开始）（17分钟）

6-3（3） MCMC算法家族（6-3-2小节的遗传算法开始）（13分钟）

6-3（4） MCMC算法家族（6-3-3小节开始）（11分钟）

6-4 隐马尔可夫模型HMM （14分钟）

6-5 无向图模型（20分钟）

第7章神经网络基础

7-1（1）神经元模型（10分钟）

7-1（2）神经元模型（7-1-2小节开始）（13分钟）

7-2（1）神经网络（16分钟）

7-2（2）神经网络（7-2-3小节开始）（14分钟）

7-3（1）反向传播算法（18分钟）

7-3（2）反向传播算法（7-3-3小节开始）（16分钟）

7-4（1） TensorFlow机器学习框架（11分钟）

7-4（2） TensorFlow机器学习框架（7-4-2小节）（9分钟）

7-4（3） TensorFlow机器学习框架（7-4-3小节）（7分钟）

7-5 Keras高层接口建模（18分钟）

第8章深度学习

8-1（1）卷积神经网络CNN （25分钟）

8-1（2）卷积神经网络CNN（8-1-3小节开始）（14分钟）

8-2（1）循环神经网络RNN （23分钟）

8-2（2）循环神经网络RNN（8-2-4小节开始）（8分钟）

8-3（1）自编码器（8分钟）

8-3（2）自编码器（8-3-3小节开始）（15分钟）

8-3（3）自编码器（8-3-5小节开始）（29分钟）

8-4（1）生成对抗网络GAN （18分钟）

8-4（2）生成对抗网络GAN（8-4-3小节开始）（18分钟）