机器学习在1959年由亚瑟·塞缪尔(Arthur Samuel)定义为“使计算机无需明确编程即可学习的能力的研究领域”。 EITC/AI/MLPP使用Python进行机器学习编程的目的是介绍机器学习的基础知识(包括对理论的基本理解),重点是使用Python进行编程。 除理论外,它还涵盖了有监督,无监督和深度学习机器学习算法的应用以及理论和实践方面。 该程序涵盖线性回归,K最近邻,支持向量机(SVM),平面聚类,层次聚类和神经网络。 它包括所涉及算法的基本概念及其背后的逻辑。 它还讨论了算法在使用示例真实数据集以及模块(例如Scikit-Learn)进行编程时的应用。 该程序还将通过在代码中实现这些算法来涵盖每种算法的详细信息,包括所涉及的数学,并深入了解算法的工作原理,如何进行修改以及它们的特性(包括优点和缺点)。 机器学习中涉及的算法非常简单(以其对大数据集的缩放必要性为条件),以及它们所基于的数学(线性代数)也是如此。
课程参考资源
Python文档
https://www.python.org/doc/
Python发布下载
https://www.python.org/downloads/
初学者Python指南
https://www.python.org/about/gettingstarted/
Python Wiki初学者指南
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python 机器学习教程
https://www.w3schools.com/python/python_ml_getting_started.asp
下载 EITC/AI/MLP Machine Learning with Python 程序的完整离线自学准备材料(PDF 文件)