大数据机器学习

大数据机器学习课程简介：前往报名学习

大数据机器学习课程简介：

《大数据机器学习》课程是面向信息学科的高年级本科生或研究生开设的基础理论课，目的是培养学生深入理解大数据机器学习理论基础，牢固掌握大数据机器学习方法，并能够解决实际问题等综合能力。课程的主要内容包括：统计学习基本理论，机器学习基本方法，深度学习理论和方法。

前往报名学习

大数据机器学习课程目录：

第一章 概述

--1.机器学习定义和典型应用

--2.机器学习和人工智能的关系

--3.深度学习方法和其它人工智能方法的共性和差异

--4.机器学习和数据挖掘的关系

--5.机器学习和统计学习的关系

--6.机器学习的发展历程

--7.大数据机器学习的主要特点

第二章 机器学习基本概念

--1机器学习的基本术语

--2.监督学习

--3.假设空间

--4.学习方法三要素

--5.奥卡姆剃刀定理

--6.没有免费的午餐定理

--7.训练误差和测试误差

--8.过拟合与模型选择

--9.泛化能力

--10.生成模型和判别模型

第三章 模型性能评估

--1.留出法

--2.交叉验证法

--3.自助法

--4.性能度量

--5.PR曲线

--6.ROC和AUC曲线

--7.代价敏感错误率

--8.假设检验

--9.T检验

--10.偏差和方差

第四章 感知机

--1.感知机模型

--2.感知机学习策略

--3.感知机学习算法

第五章 聚类

--1.原型聚类描述

--2.性能度量

--3.1原型聚类 k均值算法

--3.2 原型聚类 学习向量算法

--3.3 原型聚类 密度聚类

--3.4原型聚类 层次聚类

第六章 贝叶斯分类器及图模型

--1.综述

--2.概率图模型

--3.贝叶斯网络

--4.朴素贝叶斯分类器

--5.半朴素贝叶斯分类器

--6.贝叶斯网络结构学习推断

--7.吉布斯采样

第七章 决策树和随机森林

--开头

--1.决策树模型与学习基本概念

--2.信息量和熵

--3.决策树的生成

--4.决策树的减枝

--5.CART算法

--6.随机森林

第八章 逻辑斯谛回归与最大熵模型

--简介

--1.逻辑斯谛回归模型

--2.最大熵模型

--3.模型学习的最优化方法

第九章 SVM

--1.开头

--2.SVM简介

--3.线性可分支持向量机

--4. 凸优化问题的基本概念

--5.支持向量的确切定义

--6.线性支持向量机

--svm相关拓展资料

第十章 核方法与非线性SVM

--开头

--1.泛函基础知识

--2. 核函数和非线性支持向量机

--3. 序列最小最优化算法

第十一章 降维与度量学习

--开头

--1. k近邻学习

--2. 降维嵌入

--3. 主成分分析

--4. 核化线性降维

--5. 流型学习和度量学习

第十二章 提升方法

--1. 提升方法Adaboost算法

--2. Adaboost算法的训练误差分析

--3. Adaboost算法的解释

--4. Adaboost的实现

--adaboost拓展资料

第十三章 EM算法及混合高斯模型

--开头

--1. 问题提出

--2. EM算法的引入

--3. EM算法的收敛性

--4. EM算法在高斯混合模型学习中的应用

--5. EM算法的推广

第十四章 计算学习理论

--开头

--1. 计算学习理论的基础知识

--2. 概率近似正确学习理论

--3. 有限假设空间

--4. VC维

--5. 学习稳定性

第十五章 隐马尔可夫模型

--开头

--1. 隐马尔科夫模型的基本概念

--2. 概率计算算法

--3. 学习算法

--4预测算法

第十六章 条件随机场

--开头

--1.概率无向图模型

--2.条件随机场的定义与形式

--3.条件随机场的计算问题

--4.条件随机场的学习算法

--5.条件随机场的预测算法

第十七章 概率图模型的学习与推断

--开头

--1.精确推断法：变量消去法和信念传播法

--2.近似推断法：MCMC和变分推断

第十八章 神经网络和深度学习

--1.神经网络的发展历程

--2.神经网络的基本概念以及常见的神经网络(一）

--3.神经网络的基本概念以及常见的神经网络(二）

--4.玻尔兹曼机

--5.深度学习

第十九章 深度学习正则化方法

--1. 深度学习简介和架构设计

--2. 计算图形式的反向传播算法

--3.深度学习的正则化方法（一）

--4.深度学习的正则化方法（二）

第二十章 深度学习优化方法

--1.深度学习的优化问题

--2.神经网络优化的挑战

--3.神经网络的优化算法

--4.相关策略

期末考试

大数据机器学习授课教师：

袁春-副研究员-清华大学-深圳国际研究生院

清华大学博士生导师，副研究员，清华大学－香港中文大学媒体科学、技术与系统联合研究中心常委副主任，清华大学深圳研究生院计算机应用技术实验室主任，中国计算机协会高级会员，多媒体专委会委员。长期从事机器学习，计算机视觉，多媒体技术等方面的研究。承担清华大学深圳研究生院的大数据方向的研究生重点课程：“大数据机器学习”，“大数据分析”，以及“计算机视觉”的授课。