初级
提供者 : Gabriel Popoola
6 章节 · 20 课时 · 55m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 乌尔都语, 简体中文
课程描述
在本课程中，您将学习机器学习的基础知识。您将被介绍机器学习和一些相关的概念和主题。您将了解机器学习的各种类型和类别。本课程还将介绍如何利用机器学习包在Python中实现机器学习模型。将涵盖和演示有监督和无监督的机器学习方法。所有的概念和理论都将通过示例以及对实际应用、挑战和关键考虑因素的讨论联系在一起。在本课程结束时，您将认识到多种类型的机器学习过程及其优势，以及它们如何应用于现实世界的场景。
课程学习目标
- 了解什么是机器学习以及如何使用它
- 了解各种类型的机器学习模型和算法
- 了解监督机器学习
- 了解无监督机器学习
- 了解在使用机器学习项目和任务之前和期间要考虑的关键事项
技能
- 模型（机器学习）选择
- 无监督机器学习实现
- 监督机器学习实现
- 用于机器学习的Python编程
- 各种机器学习技术的优缺点
您将学到的内容
- 定义机器学习的概念及其在现实场景中的应用方式
- 区分机器学习模型与算法的各种类型和分类
- 应用监督式机器学习方法，包括线性回归与逻辑回归、支持向量机、决策树与随机森林以及神经网络
- 应用无监督式机器学习方法，包括聚类、高斯混合模型和流形学习
- 在JupyterLab环境中使用scikit-learn包，以Python实现机器学习模型
- 在机器学习项目开展前后，评估关键注意事项、挑战及伦理考量
关键要点
- 本课程从基础知识入手介绍机器学习，涵盖相关概念与主题及其类型和分类。
- 课程同时讲授监督式与无监督式机器学习方法，并通过示例逐一演示。
- 模型使用scikit-learn包以Python实现，全部操作在JupyterLab中演示。
- 通过实际应用、挑战与关键注意事项（包括伦理考量）将各概念融会贯通。
- 学完本课程后，学员能够识别多种类型的机器学习流程、了解其优势，并掌握如何将其应用于现实场景。
常见问题
本机器学习课程将教授哪些内容？
您将学习机器学习的基础知识，包括其定义与应用方式、各种类型的机器学习模型与算法、监督式机器学习、无监督式机器学习，以及在机器学习项目和任务开展前后需要重点考虑的事项。
本课程是否同时涵盖监督式和无监督式机器学习？
是的。课程对监督式与无监督式机器学习方法均有讲授与演示，涵盖的主题包括：分类与回归的区别、线性回归与逻辑回归、支持向量机、决策树与随机森林、神经网络、聚类、高斯混合模型以及流形学习。
本课程使用哪些工具或编程语言？
课程讲授如何利用scikit-learn包在Python中实现机器学习模型，同时包含JupyterLab的入门介绍。
除算法之外，课程还涉及哪些主题？
在算法讲授之外，课程还探讨实际应用、挑战、伦理考量、数据的重要性、模型选择及其他关键注意事项。
完成本课程后，我将具备哪些能力？
学完本课程后，您将能够识别多种类型的机器学习流程，了解其优势，并掌握如何将其应用于现实场景。
