从零开始学习 - 机器学习

设计性研究性实验课题 - “机器学习,神经网络的基础应用”

  • 背景:人工智能 从AlphaGo开始 就成为了一个流行词汇, 原因是人工智能从 弱人工智能时代 走进了 强人工智能时代, 而 AlphaGo 恰恰是这个代表事件, 而其背后的算法基础 则是 机器学习中的深度学习等领域。
  • 概要:本课题通过学习机器学习的基础,了解对于大数据的分析和处理的过程,学习目前快速发展的神经网络算法。
  • 目标1:完成在有干扰对抗的情况下,进行对数字、文字的快速识别,
  • 目标2:完成对于各类数据图像模式的快速识别和特征提取,可以应用于实验中快速、自动、高效的数据处理。
  • 基础1:需要高等数学中的 线性代数,矩阵运算基础。
  • 基础2:需要使用python进行编程,如果无python经验可以到网站上 http://phylab.fudan.edu.cn/doku.php?id=course:python:start 进行学习。开始会有一定的老师指导。
  • 学习过程:需要学习大量的 机器学习和人工智能的基础知识,这部分通过网上视频课程资源补充
  • 讨论课:本学期开设每周讨论课时间,前几次老师会教授部分基础知识,未来每位同学需要自己准备讲授某一方面的内容。
  • 本课题更多信息 请到网站上浏览: http://phylab.fudan.edu.cn/doku.php?id=course:ml:start

如何开始学习?

  • 人工智能已经有很多很好的网上教程了, 这里可能给一个入门版本的教程, 以及提供一些网上的资源链接,给同学们拓展的方向.
  • 零基础的,需要快速浏览人工智能能够做什么的,可以看看 莫烦 的课程, https://morvanzhou.github.io/tutorials/
  • 有什么课程是一个全局的,可以大概先了解一下全部的机器学习的方法的么? 下面这个: 所有人都推荐的 最佳机器学习课程
  • 今年的重要更新提示:下面这两门课程在网易云课堂上都有了!请大家到上面免费注册学习 吴恩达的课程链接
  • 强烈推荐预习的视频 必看!! 还有中文字幕! 真正的大牛 Andrew Ng(吴恩达授课,他是谷歌大脑创始人和前百度首席科学家) 的课程. 学习资料在 黄海广的github 上有.
  • 这几年里面神经网络CNN模型的大幅进步,是真正的大杀器,推荐视频课程: 链接: cs231n 李飞飞的CNN图形识别课程 百度网盘 密码: 2fnk

什么是机器学习?

  • 假设用P来评估计算机程序在某任务类 T上的性能, 若一个程序通过利用经验E 在T中任务上获得了性能改善, 则我们就说关于T 和 P, 该程序对于E 进行了学习. (Mitchell, 1997)
  • Arthur Samuel 1959 年的定义被公认为最早的:机器学习是计算机科学的分支领域,它能使「电脑无需明确的编程就能获得学习能力。」在实践中,这意味着开发能根据数据作出预测的计算机程序。正如人类能从经验中学习一样,计算机也可以,对它们来说数据就等同于经验。
  • 机器学习工作流是指执行一个机器学习程序所需的流程。虽说每个程序都有区别,大多数工作流都包括一些共同的任务:问题评估,数据探索,数据处理,模型训练/测试/部署,等等。下面的图例展示了这些步骤的可视化解释:

其他最新课程资源-陆续补充

作业/练习/应用区 持续更新中

  • course/ml/start.txt
  • 最后更改: 2019/10/09 14:30
  • 由 whyx