機(jī)器學(xué)習(xí)算法與應(yīng)用-教學(xué)大綱

PAGEPAGE2教學(xué)大綱教學(xué)內(nèi)容

學(xué)習(xí)要點(diǎn)及教學(xué)要求

課時(shí)安排全部講授部分選講了解機(jī)器學(xué)習(xí)概念和原理第1章機(jī)器學(xué)習(xí)學(xué)習(xí)算法，強(qiáng)化學(xué)習(xí)，深度學(xué)習(xí)的基本概念2～42簡介物聯(lián)網(wǎng)時(shí)代下的最新應(yīng)用領(lǐng)域熟悉算法實(shí)現(xiàn)和數(shù)據(jù)與結(jié)構(gòu)可視化的Matlab或者OctavePython234斯

了解線性回歸模型概念和原理性回歸中的梯度下降法 4～6 4小歸一化和均值歸一化原理歸原理性回歸模型，深入理解代價(jià)函數(shù)了解邏輯回歸模型概念和原理理解邏輯回歸中的代價(jià)函數(shù)了解優(yōu)化函數(shù)概念正則化概念理解 4～6 4正則化對(duì)模型訓(xùn)練和測試結(jié)果的影響則化線性回歸模型，牛頓法優(yōu)化正則化邏輯回歸模型，采用邏輯回歸解決二分類問題學(xué)習(xí)樸素貝葉斯的數(shù)據(jù)基礎(chǔ)了解樸素貝葉斯模型解決分類問題的原理 2～4 2分類問題，樸素貝葉斯實(shí)現(xiàn)多分類5

了解支持向量機(jī)模型幾何原理和數(shù)學(xué)解釋理解支持向量機(jī)中的代價(jià)函數(shù)

4～6 4機(jī) ●實(shí)例分析支持向量機(jī)解決線性可分題，解決郵件分類二分類問題并與樸素貝葉斯模型對(duì)比，帶核函數(shù)的支持向量機(jī)解決線性不可分問題6簡介

了解神經(jīng)網(wǎng)絡(luò)模型概念和原理理解神經(jīng)網(wǎng)絡(luò)的誤差反向傳播BP實(shí)例分析：神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)簡單分類 4 4第7章K-近鄰了解K-近鄰算法的原理算法K-近鄰算法解決二分類問22題，解決多分類問題第8章K-均值了解K-均值算法的原理算法近鄰算法實(shí)現(xiàn)簡單聚類，22解決病毒聚類問題9模型第10章降維算法第11夫模型

望算法EM實(shí)現(xiàn)步驟 2 2決鳶尾花數(shù)據(jù)聚類問題了解線性判別LDAPCA維的原理和異同 4 4實(shí)例分析：LDA維原理分析了解隱馬爾可夫模型定義實(shí)例分析：隱馬爾可夫模型實(shí)現(xiàn)預(yù)測 2 2第12章強(qiáng)化學(xué)習(xí)●●了解強(qiáng)化學(xué)習(xí)Q-learning算法的原理實(shí)例分析：Q-learning算法解決走迷22宮問題第13章決策樹●●了解決策樹的構(gòu)造原理實(shí)例分析：應(yīng)用決策樹CART算法解決22分類問題第14章啟發(fā)式優(yōu)化算法

了解遺傳算法GA了解粒子群PSO算法，差分進(jìn)化DE算 4 4法，人工蜂群ABC算法的原理和實(shí)現(xiàn)步驟實(shí)例分析：PSO，DEABC標(biāo)準(zhǔn)函數(shù)的優(yōu)化結(jié)果對(duì)比分析第15章深度學(xué)了解卷積神經(jīng)網(wǎng)絡(luò)CNN習(xí)信號(hào)處理的角度來理解卷積層和池化層的卷積操作，了解CNN模型的結(jié)構(gòu)和訓(xùn)練技巧，包括批梯度下降法原理，DropOut原理8～106～8了解循環(huán)神經(jīng)網(wǎng)絡(luò)RNN的原理，理解RNNRNNRNNLSTMBPEarlyStop了解深度網(wǎng)絡(luò)模型訓(xùn)練和測試的時(shí)間空間復(fù)雜度，了解物聯(lián)網(wǎng)平臺(tái)的計(jì)算和存儲(chǔ)約束，介紹ARMFPGA開發(fā)平臺(tái)，了解C/C+言實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)模型原理CNNRNN實(shí)現(xiàn)溫度傳感器數(shù)據(jù)預(yù)測，度預(yù)測，RNN溫度傳感器數(shù)據(jù)預(yù)測模型的ARM實(shí)現(xiàn)和FPGA第16章集成學(xué)了解集成學(xué)習(xí)算法的原理和集成方式習(xí)了解BaggingRF42～4BoostingAdaboostPython的Sklearn并對(duì)比兩者性能StackingSklearn第17章推薦系統(tǒng)

了解推薦算法原理表示學(xué)習(xí)，了解知識(shí)圖譜用于推薦系統(tǒng)的依次學(xué)習(xí)，聯(lián)合學(xué)習(xí)和多任務(wù)學(xué)習(xí)組合方式實(shí)例分析：基于知識(shí)圖譜的多任務(wù)推PythonTensorflow網(wǎng)絡(luò)接口函數(shù)的實(shí)現(xiàn)教學(xué)總學(xué)時(shí)建議

4 2～456～68 50～56說