【ZiDongHua之“自動(dòng)化學(xué)院派”收錄關(guān)鍵詞：南京大學(xué) 自動(dòng)駕駛 智能醫(yī)療診斷 機(jī)器學(xué)習(xí)】
 
　　周志華教授授課！人人聽得懂的AI課
 
 
　　機(jī)器學(xué)習(xí)是人工智能的核心領(lǐng)域。從自動(dòng)駕駛汽車到智能醫(yī)療診斷，從金融風(fēng)險(xiǎn)控制到個(gè)性化推薦系統(tǒng)，機(jī)器學(xué)習(xí)在各行各業(yè)發(fā)揮著重要價(jià)值。同樣，機(jī)器學(xué)習(xí)也是增強(qiáng)學(xué)生AI素養(yǎng)與能力的必要學(xué)習(xí)內(nèi)容。
 
　　由南京大學(xué)副校長周志華教授主講的“機(jī)器學(xué)習(xí)”入門系列課程——機(jī)器學(xué)習(xí)初步和機(jī)器學(xué)習(xí)進(jìn)步兩門課程上線超星爾雅，等你來參加！
 
　　授課教師簡介
 
 
　　周志華，南京大學(xué)教授、博士生導(dǎo)師、副校長。國際人工智能聯(lián)合會(huì)理事會(huì)主席、ACM、AAAI、IEEE等主流國際學(xué)術(shù)組織的Fellow、國家基金委創(chuàng)新群體帶頭人。教育部高等學(xué)校計(jì)算機(jī)類專業(yè)教學(xué)指導(dǎo)委員會(huì)副主任、人工智能專家委主任，國務(wù)院學(xué)位委員會(huì)計(jì)算機(jī)類學(xué)科評議組成員，現(xiàn)任第十四屆全國政協(xié)委員。主要研究方向?yàn)槿斯ぶ悄?、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘。獲國家自然科學(xué)二等獎(jiǎng)兩項(xiàng)、國家級教學(xué)成果一等獎(jiǎng)一項(xiàng)、首屆全國教材建設(shè)獎(jiǎng)全國優(yōu)秀教材（高等教育類）一等獎(jiǎng)、省部級科技一等獎(jiǎng)四項(xiàng)、IEEE計(jì)算機(jī)學(xué)會(huì)Edward J.McCluskey技術(shù)成就獎(jiǎng)、中國計(jì)算機(jī)學(xué)會(huì)王選獎(jiǎng)、南京大學(xué)卓越教學(xué)獎(jiǎng)等。
 
　　周志華所著的《機(jī)器學(xué)習(xí)》一書，內(nèi)容豐富、深入淺出，廣受機(jī)器學(xué)習(xí)研究者與從業(yè)者的歡迎，很多人工智能學(xué)子奉其為經(jīng)典的入門教材。該書于2016年面世，3個(gè)月內(nèi)銷售近30000冊，并在8個(gè)月內(nèi)重印9次，曾獲首屆全國教材建設(shè)獎(jiǎng)，全國優(yōu)秀教材（高等教育類）一等獎(jiǎng)。
 
 
　　“機(jī)器學(xué)習(xí)”入門系列課程
 
　　點(diǎn)擊觀看課程精彩片段
 
　　從零基礎(chǔ)到進(jìn)階，“機(jī)器”學(xué)習(xí)入門系列包括“初步”和“進(jìn)步”兩門課程。
 
　　“機(jī)器學(xué)習(xí)初步”
 
　　課程亮點(diǎn)
 
　　01
 
　　體系完善，基礎(chǔ)要點(diǎn)全覆蓋
 
　　知識體系全面，覆蓋入門機(jī)器學(xué)習(xí)的基本概念與基礎(chǔ)算法，幫助初學(xué)者提綱挈領(lǐng)地了解領(lǐng)域全貌。
 
　　第一章緒論
 
　　1.1教材
 
　　1.2課程定位
 
　　1.3機(jī)器學(xué)習(xí)
 
　　1.4機(jī)器學(xué)習(xí)的案例
 
　　1.5典型的機(jī)器學(xué)習(xí)過程
 
　　1.6計(jì)算學(xué)習(xí)理論
 
　　1.7基本術(shù)語
 
　　1.8歸納偏好
 
　　1.9NFL定理
 
　　第二章模型評估與選擇
 
　　2.1泛化能力
 
　　2.2過擬合和欠擬合
 
　　2.3三大問題
 
　　2.4評估方法
 
　　2.5調(diào)參與驗(yàn)證集
 
　　2.6性能度量
 
　　2.7比較檢驗(yàn)
 
　　第三章線性模型
 
　　3.1線性回歸
 
　　3.2最小二乘解
 
　　3.3多元線性回歸
 
　　3.4廣義線性模型
 
　　3.5對率回歸
 
　　3.6多分類學(xué)習(xí)基本思路
 
　　第四章決策樹
 
　　4.1決策樹基本流程
 
　　4.2信息增益劃分
 
　　4.3其他屬性劃分準(zhǔn)則
 
　　4.4決策樹的剪枝
 
　　4.5預(yù)剪枝與后剪枝
 
　　4.6決策樹簡史
 
　　第五章支持向量機(jī)
 
　　5.1支持向量機(jī)基本型
 
　　5.2對偶問題與解的特性
 
　　5.3求解方法
 
　　5.4特征空間映射
 
　　5.5核函數(shù)
 
　　5.6SVM簡史
 
　　第六章神經(jīng)網(wǎng)絡(luò)
 
　　6.1神經(jīng)網(wǎng)絡(luò)模型
 
　　6.2萬有逼近能力
 
　　6.3緩解過擬合
 
　　6.4神經(jīng)網(wǎng)絡(luò)簡史
 
　　6.5深度神經(jīng)網(wǎng)絡(luò)的發(fā)展
 
　　第七章貝葉斯分類器
 
　　7.1貝葉斯決策論
 
　　7.2生成式和判別式模型
 
　　7.3貝葉斯定理
 
　　7.4極大似然估計(jì)
 
　　7.5樸素貝葉斯分類器
 
　　7.6拉普拉斯修正
 
　　第八章集成學(xué)習(xí)
 
　　8.1集成學(xué)習(xí)
 
　　8.2好而不同
 
　　8.3兩類常用集成學(xué)習(xí)方法
 
　　8.4Boosting
 
　　8.5Bagging
 
　　第九章聚類
 
　　9.1聚類
 
　　9.2聚類性能度量
 
　　9.3距離計(jì)算
 
　　9.4聚類方法概述
 
　　上下滑動(dòng)查看課程大綱
 
　　02
 
　　結(jié)合案例，讓理論更生動(dòng)
 
　　結(jié)合西瓜分類等案例分析，講解機(jī)器學(xué)習(xí)的原理和過程，讓理論知識更加通俗易懂。
 
　　以“西瓜分類”為例，講解典型的機(jī)器學(xué)習(xí)過程
 
　　0
 
　　3
 
　　巧用類比教學(xué)方法，通過類比性質(zhì)相似的簡單事物來解釋復(fù)雜深?yuàn)W的知識，直觀易懂，讓學(xué)生能夠輕松理解。
 
　　通過類比樹葉識別，講解過擬合和欠擬合概念
 
　　“機(jī)器學(xué)習(xí)進(jìn)步”
 
　　課程亮點(diǎn)
 
　　01
 
　　梳理學(xué)科簡史，領(lǐng)悟算法思想
 
　　通過回顧機(jī)器學(xué)習(xí)領(lǐng)域的發(fā)展歷程，介紹不同的流派，幫助學(xué)生更好地理解不同方法的性能和效果，體會(huì)根據(jù)實(shí)際問題選擇合適方法的基本思想。
 
　　通過介紹機(jī)器學(xué)習(xí)流派，領(lǐng)悟不同算法的特色
 
　　02
 
　　深化知識主題，構(gòu)建由淺入深的認(rèn)知體系
 
　　“進(jìn)步”延續(xù)了“初步”課程的核心主題，并進(jìn)一步深入深化。例如，“線性模型”一章，在“初步”課程里介紹了線性回歸、對數(shù)幾率回歸等基本概念，“進(jìn)步”課程里則介紹了線性判別分析模型，構(gòu)建了從基礎(chǔ)到高階的認(rèn)知體系。
 
　　承接基礎(chǔ)知識，進(jìn)一步介紹線性判別分析模型，更具專業(yè)性
 
　　第一章緒論
 
　　1.1假設(shè)空間
 
　　1.2NFL定理推導(dǎo)
 
　　第二章模型評估與選擇
 
　　2.1PR指標(biāo)的擴(kuò)展
 
　　2.2ROC與AUC
 
　　2.3非均等代價(jià)
 
　　2.4偏差-方差分解
 
　　第三章線性模型
 
　　3.1對率回歸求解
 
　　3.2線性判別分析
 
　　3.3線性判別分析的多類推廣
 
　　3.4糾錯(cuò)輸出碼
 
　　3.5類別不平衡
 
　　第四章機(jī)器學(xué)習(xí)的學(xué)派
 
　　4.1機(jī)器學(xué)習(xí)的學(xué)派
 
　　第五章決策樹
 
　　5.1連續(xù)值的處理
 
　　5.2缺失值的處理
 
　　5.3從“樹”到“規(guī)則”
 
　　5.4多變量決策樹
 
　　第六章支持向量機(jī)
 
　　6.1軟間隔SVM
 
　　6.2正則化
 
　　6.3如何使用SVM？
 
　　6.4表示定理
 
　　6.5核方法
 
　　第七章神經(jīng)網(wǎng)絡(luò)
 
　　7.1BP算法推導(dǎo)
 
　　7.2標(biāo)準(zhǔn)BP與累積BP
 
　　7.3全局最小和局部極小
 
　　7.4其他常見神經(jīng)網(wǎng)絡(luò)模型
 
　　7.5深度神經(jīng)網(wǎng)絡(luò)
 
　　7.6深度神經(jīng)網(wǎng)絡(luò)的訣竅
 
　　第八章貝葉斯分類器
 
　　8.1貝葉斯分類器與貝葉斯學(xué)習(xí)
 
　　8.2半樸素貝葉斯分類器
 
　　8.3貝葉斯網(wǎng)
 
　　8.4典型依賴關(guān)系
 
　　8.5分析條件獨(dú)立性
 
　　8.6結(jié)構(gòu)學(xué)習(xí)
 
　　8.7推斷
 
　　8.8EM算法
 
　　第九章集成學(xué)習(xí)
 
　　9.1學(xué)習(xí)器的結(jié)合
 
　　9.2Stacking
 
　　9.3選擇性集成
 
　　9.4多樣性度量
 
　　9.5多樣性增強(qiáng)常用策略
 
　　第十章聚類
 
　　10.1k均值聚類
 
　　10.2學(xué)習(xí)向量量化
 
　　10.3高斯混合聚類
 
　　10.4DBSCAN
 
　　10.5層次聚類
 
　　上下滑動(dòng)查看課程大綱
 
　　03
 
　　算法推導(dǎo)嚴(yán)謹(jǐn)，注重底層原理
 
　　注重算法的數(shù)學(xué)理論，以嚴(yán)謹(jǐn)?shù)耐扑氵^程幫助學(xué)生更深入地理解機(jī)器學(xué)習(xí)的原理，并關(guān)注相似概念的澄清，為學(xué)生未來的研究與實(shí)踐打下堅(jiān)實(shí)的理論基礎(chǔ)。
 
　　逐步推導(dǎo)講解AUC指標(biāo)，深化學(xué)生對原理的理解
 
　　智啟未來南大先行
 
　　以創(chuàng)新之力賦能AI教育
 
　　以開放之姿擁抱無限可能
 
　　在南大，人人都能學(xué)AI
 
　　“機(jī)器學(xué)習(xí)”入門系列課程
 
　　現(xiàn)已上線，歡迎選修！
 
　　從今日課堂出發(fā)
 
　　奔赴我們的智能星海！