本课程介绍机器学习的基本概念、算法、基本原理和应用、数据挖掘、统计模式识别。主题包括: (一)监督学习(线性回归，逻辑回归，参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习 (聚类,降维，异常检测等)。(三)在机器学习的最佳实践(偏差/方差理论，机器学习实战)。通过使用大量的案例研究,学习如何运用机器学习算法构建人工智能应用系统,应用于文本的理解,计算机视觉,医疗信息,音频,数据挖掘等领域。

本课程采用线上线下结合的教学方式，课下在线课程学习+课堂翻转学习研讨+项目实战三者结合，提高学习的自主性、灵活性，培养学生在机器学习领域的实战能力。学生通过观看在线学习视频，完成线上作业和任务，同时在课堂中对线上学习中的问题进行研讨，基于此完成课程的实战项目。在线课程内容，把对算法与数学式的推导，以“解决问题”的过程方式呈现。在课堂教学研讨过程中，对在线课程内容中的问题进行进一步的研究讨论，进而结合实战项目进行演练。

• 第1章 单变量回归
  • 1.1 模型表示及代价函数
  • 1.1 模型表示及代价函数
  • 1.2 代价函数的理解及梯度下降
  • 1.3 梯度下降的理解及应用
  • 1.2 代价函数的理解及梯度下降
  • 1.3 梯度下降的理解及应用
• 第2章 多变量回归
  • 2.1 多维特征及特征缩放
  • 2.2 梯度下降及学习率设定
  • 2.3 多变量回归与正规方程
  • 2.1 多维特征及特征缩放
  • 2.2 梯度下降及学习率设定
  • 2.3 多变量回归与正规方程
• 第3章 逻辑回归
  • 3.1 作用及模型表示
  • 3.2 代价函数和梯度下降
  • 3.3 高级优化和多分类
  • 3.1 作用及模型表示
  • 3.2 代价函数和梯度下降
  • 3.3 高级优化和多分类
• 第4章 正则化
  • 4.1 过拟合问题和代价函数
  • 4.2 正则化线性回归和正则化逻辑回归
  • 4.1 过拟合问题和代价函数
  • 4.2 正则化线性回归和正则化逻辑回归
• 应用扩展章节
  • 人工智能与机器学习（应用篇）
  • attention讲解
  • 智慧养老与机器学习
  • 基于深度学习的室内空间布局设计
• 章节测试1
• 章节测试2