教学大纲

【第一阶段】

学习吴恩达机器学习原版视频：

1.了解机器学习基本概念

2.学习单变量线性回归，体验最基本模型的魅力

3.学习线性代数的知识回顾+多元线性回归

作业：

【实操（1）】配置环境、开学习博客和github

【实操（2）】编程作业1：线性回归

【思考总结】以线性回归模型为最基本模型来阐述你认为的机器学习的认识

作业视频讲解：

【作业视频讲解】编程作业1：线性回归

【第二阶段】

学习吴恩达机器学习原版视频：

1.学习逻辑回归，为神经网络深度学习等算法打好基础

2.学习正则化，掌握防止过拟合的方法

作业：

【实操】编程作业2：逻辑回归+正则化

【思考总结（1）】阐述对线性回归与逻辑回归的异同的理解

【思考总结（2）】说明什么是过拟合以及过拟合的危害

作业视频讲解：

【作业视频讲解】编程作业2：逻辑回归+正则化

比赛实战：

【报名指导】零基础一小时报名“达观杯”NLP算法大赛

【第三阶段】

学习吴恩达机器学习原版视频：

1.学习神经网络，理解神经元网络的结构（权重、分层等）

作业：

【实操】编程作业3：神经网络（1）

【思考总结】使用矩阵的形式来表示神经网络的正向传播方式

作业视频讲解：

【作业视频讲解】编程作业3：神经网络（1）

比赛实战：

【视频课】“达观杯”NLP算法大赛（入门指导）

【第四阶段】

学习吴恩达机器学习原版视频：

1.学习神经网络反向传播算法，理解反向传播算法的作用

作业：

【实操】编程作业4：神经网络（2）

【推导】反向传播公式推导

【思考总结】阐述你对反向传播的认识

作业视频讲解：

【作业视频讲解】编程作业

比赛实战：

【视频课】“达观杯”NLP算法大赛（进阶指导）

【第五阶段】

学习吴恩达机器学习原版视频：

1.学习应用机器学习的建议，理解交叉验证、偏差、方差、正则化等概念

2.学习机器学习系统，理解精确度、召回率、误差评估等指标

作业：

【实操】编程作业5：机器学习系统设计

【思考总结（1）】阐述精确度和召回率的区别

【思考总结（2）】描述你对交叉验证、偏差、方差、正则化等概念的理解

作业视频讲解：

【作业视频讲解】编程作业5：机器学习系统设计

【第六阶段】

学习吴恩达机器学习原版视频：

1.学习支持向量机，理解函数间隔、几何间隔等内容

作业：

【实操】编程作业6：SVM

【思考总结】与神经网络相比，SVM算法有哪些优势和不足？

作业视频讲解：

【作业视频讲解】编程作业6：SVM

【第七阶段】

学习吴恩达机器学习原版视频：

1.学习k-means算法，理解其算法思路

2.学习pca降维，深度掌握降维方式

3.学习异常检测，了解异常检测的概念和技术

作业：

【实操】编程作业7：K-means+PCA

【思考总结（1）】阐述监督学习和无监督学习的差异

【思考总结（2）】何时需要使用PCA降维？

【思考总结（3）】阐述异常检测和逻辑回归有什么异同

作业视频讲解：

【作业视频讲解】编程作业7：K-means+PCA

比赛实战：

【视频课】“Kaggle比赛——泰坦尼克号生存预测（入门指导）

【第八阶段】

学习吴恩达机器学习原版视频：

1.学习推荐系统，重点掌握协同过滤的算法的思想与实现

2.学习大规模机器学习，理解Mini-Batch的思想

作业：

【实操】编程作业8：异常检测与推荐系统

【思考总结】举一些生活中的推荐系统应用实例，分析实现思路

作业视频讲解：

【作业视频讲解】编程作业8：异常检测与推荐系统

【视频课】“Kaggle比赛——泰坦尼克号生存预测（进阶指导）

【第九阶段】

1.学习应用举例的相关知识

2.期末总结+比赛复盘

获取资料的同学请加VX：itnaer

image.png