AI基础课程-机器学习算法

课程背景：

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。机器学习不仅在基于知识的系统中得到应用，而且在自然语言理解、非单调推理、机器视觉、模式识别等许多领域也得到了广泛应用。一个系统是否具有学习能力已成为是否具有“智能”的一个标志。机器学习的研究主要分为两类研究方向：第一类是传统机器学习的研究，该类研究主要是研究学习机制，注重探索模拟人的学习机制；第二类是大数据环境下机器学习的研究，该类研究主要是研究如何有效利用信息，注重从巨量数据中获取隐藏的、有效的、可理解的知识。

课程收益

l 通过本门课程的学习，学员们可以了解什么是机器学习，机器学习到底在做什么，是如何帮助AI的达成的

l 可以学习到机器学习的底层算法原理、机器学习常见算法模型，例如逻辑回归、决策树、随机森林、神经网络、集成学习等方面

l 了解机器学习的原理之后，学员们即可理解机器学习和深度学习等大模型的关联是什么，为何说机器学习是AI不可或缺的基础。机器学习课程是想入门AI行业的小伙伴们必不可少的课程

l 本门课程是理论课程，注重算法理论的讲解，同时也是后续编程和做项目的基础。

学员对象

1） 想入行人工智能领域的初学者（图像、NLP、大模型、数据挖掘等方向）；

2） 想从事机器学习算法岗位的学员；

3） 想从事数据分析相关的岗位的学员，例如商业分析师、电商数据分析师、用户研究员、市场研究等。

课程目录：

第一讲 什么是机器学习？

第二讲 基础概念

1. 数据集

2. 训练样本

3. 分类任务

4. 误差

5. 拟合

6. 调参

7. 查全率

8. 偏差与方差

第三讲 机器学习基础算法

1. 线性回归 VS 逻辑回归

2. 聚类

3. 树模型

4. 集成学习

5. 支持向量机

6. 贝叶斯分类器

7. 神经网络

第四讲 集成学习

1. 个体与集成

2. boosting

3. bagging

4. 随机森林

讲师资历

于海悦

西安交通大学学士，香港城市大学硕士；

多年人工智能算法工作经验；人工智能讲师经验；

多次参加AI算法大赛并取得优异名次；

多项发明专利；

擅长领域：数据挖掘、计算机视觉、推荐系统和自然语言处理；

实战经验：

智能汽车维修对话系统；

A 股上市公司季度营收预测；

电商推荐系统；

广西智慧边防项目；

南宁智慧城市安防项目；

南方电网防破坏项目；

森林火灾和烟雾识别；

南宁市交警智能训练；

发明专利：

《基于深度学习算法实现十米内人脸识别》

《基于yolov5方法的工地车辆和人》

《基于yolov5方法的工地火焰及烟雾检测》

《基于迁移学习的细粒度人脸表情识别》

《基于深度学习算法识别破坏挖掘动作》

《基于迁移学习与残差网络的工人不安全行为识别》

《基于姿态估计模型匹配跳舞姿势。》

《一种车辆急加速行为的识别方法及相关设备》

《 一种驾驶行为的评价方法、装置及设备》

《一种智能对话方法及装置》

《 一种模型训练方法及相关设备》

《 数据预测方法、系统、终端及计算机存储介质 》

《一种维修系统的信息交互方法、系统及相关组件》