- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
全套PPT课件1机器学习与Python实践第一章 绪论课程安排先修课程《概率论与数理统计》《数据库原理及应用》《人工智能导论》《Python数据处理基础》课程考核平时成绩期末考试学以致用考核方式成绩构成考核项目考核依据与方法占平时成绩的比重占总评成绩的比重平时成绩课程思政实践基于机器学习及前沿课题研讨等,考查学生对我国相关先进技术的了解情况以及核心价值观状况5%-10%40%课堂讨论通过问题驱动的分组讨论环节,根据提交的研究报告或者演讲展示情况计分10%-40%课堂表现通过课堂小测、练习、回答问题等环节进行计分20%-40%课后作业布置若干探索性质的编程实践作业,并进行课堂展示;根据参与情况与结果计分;不少于3次50%-60%期末考试闭卷考试考试成绩 60%总分 100课程介绍2,虚拟人1,ChatGPT 对话机器人4,抖音推荐3,LOL实时字幕课程介绍课程介绍课程介绍课程介绍公众号/网站公众号/网站本章目录2机器学习概述机器学习的类型机器学习的背景知识机器学习的开发流程1. 机器学习概述31.机器学习概述2.机器学习的类型3.机器学习的背景知识4.机器学习的开发流程概念机器学习的理论:设计和分析一些算法让计算机可以自动“学习”机器学习算法:从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法概念:机器学习与人工智能、深度学习的关系人工智能:机器展现的人类智能机器学习:计算机利用已有的数 据(经验),得出了某种模型,并利 用此模型预测未来的一种方法。深度学习:实现机器学习的一种 技术机器学习界的执牛耳者5Andrew Ng中文名吴恩达,斯坦福大学副教授,前“百度大脑”的负责人与百 度首席科学家。杨立昆(Yann LeCun)杰弗里·欣顿(Geoffrey Hinton)本吉奥( Bengio )共同获得了2018年计算机科学的最高奖项——ACM图灵奖。机器学习界的国内泰斗6周志华,南京大学计算机科学与技 术系主任 、人工智能学院院长。 代表作:《机器学习》(西瓜书)李航, 现任字节跳动科技有限公司人 工智能实验室总监,北京大学、南京 大学客座教授,IEEE 会士,ACM 杰 出科学家,CCF 高级会员。代表作:《统计学习方法》机器学习界的青年才俊7何恺明,本科就读于清华大学,博士毕业于 香港中文大学多媒体实验室。2016年,加入 Facebook AI Research(FAIR)担任研究科 学家。主要贡献:设计了ResNets陈天奇,陈天奇是机器学习领域著名的青 年华人学者之一,本科毕业于上海交通 大学ACM班,博士毕业于华盛顿大学计 算机系。主要贡献:设计了XGBoost算法。机器学习的范围8机器学习可以解决什么问题9给定数据的预测问题数据清洗/特征选择确定算法模型/参数优化结果预测不能解决什么大数据存储/并行计算做一个机器人2. 机器学习的类型10机器学习概述机器学习的类型机器学习的背景知识机器学习的开发流程2. 机器学习的类型112. 机器学习的类型-监督学习12分类(Classification)身高1.65m,体重100kg的男人肥胖吗?根据肿瘤的体积、患者的年龄来判断良性或恶性?回归(Regression、Prediction)如何预测上海浦东的房价?未来的股票市场走向?2. 机器学习的类型-无监督学习13聚类(Clustering)如何将教室里的学生按爱好、身高划分为5类?降维( Dimensionality Reduction )如何将将原高维空间中的数据点映射到低维度的 空间中?2. 机器学习的类型-强化学习14强化学习(Reinforcement Learning)用于描述和解决智能体(agent)在与环境的交 互过程中通过学习策略以达成回报最大化或实现 特定目标的问题 。3. 机器学习的背景知识15机器学习概述机器学习的类型机器学习的背景知识机器学习的开发流程3. 机器学习的背景知识-希腊字母16大写小写英文注音国际音标注音中文注音Ααalphaalfa阿耳法Ββbetabeta贝塔Γγgammagamma伽马Δδdetadelta德耳塔Εεepsilonepsilon艾普西隆Ζζzetazeta截塔Ηηetaeta艾塔Θθthetaθita西塔Ιιiotaiota约塔Κκkappakappa卡帕∧λlambdalambda兰姆达Μμmumiu缪Ννnuniu纽Ξξxiksi可塞Οοomicronomikron奥密可戎∏πpipai派Ρρrhorou柔∑σsigmasigma西格马Ττtautau套Υυupsilonjupsilon衣普西隆Φφphifai斐Χχchikhai喜Ψψpsipsai普西Ωωomegaomiga欧米3. 机器学习的背景知识-数学基础17高等数学导数、微分、泰勒公式……
文档评论(0)