1 机器学习概述

 1.python基础的准备

本课程拟采用Python做为机器算法应用的实现语言，所以请确保:

1）安装好Python开发环境， PyCharm 或 Anaconda等都可以，按个人习惯喜好。

2）基本库的安装，如numpy、pandas、scipy、matplotlib

3）具备一定的Python编程技能，如果不熟悉，可选择一个教程进行学习，Python简单好上手，资源也很丰富。

菜鸟教程 Python 3 教程 http://www.runoob.com/python3/python3-tutorial.html 

廖雪峰的官方网站 Python3 https://www.liaoxuefeng.com/wiki/1016959663602400

学习视频

 

2.本周视频学习内容：https://www.bilibili.com/video/BV1Tb411H7uC?p=1

1）P4 Python基础

2）P1 机器学习概论

机器学习是一门多领域交叉学科，涉及较多的数学知识，我们不做太多理论上的要求，如果有听不懂的地方，不要放弃，看一遍就有个印象。通过观看视频，大家对课程有个总体的认识。

建议大家边看边做笔记，记录要点及所在时间点，以便有必要的时候回看。学习笔记也是作业的一部分。

 

3.作业要求：

1）贴上Python环境及pip list截图，了解一下大家的准备情况。暂不具备开发条件的请说明原因及打算。

2）贴上视频学习笔记，要求真实，不要抄袭，可以手写拍照。

3）什么是机器学习，有哪些分类？结合案例，写出你的理解。

 

1.Python环境及pip list截图。

python版本

PyCharm

基本库

    

 

2. 视频学习笔记。

1）P4 Python基础

（学习视频来自：https://www.bilibili.com/video/BV1Tb411H7uC?p=4）

 

 

2）P1 机器学习概论

（学习视频来自：https://www.bilibili.com/video/BV1Tb411H7uC?p=1）

数学分析：

导数与梯度

视频进度- -61:25

 

视频进度- -97:50

 

视频进度- -103:24

 

视频进度- -83:39

Taylor公式

 

视频进度- -128:54

概率论基础：

 

  3.什么是机器学习，有哪些分类？结合案例，写出你的理解。

       机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。主要使用归纳、综合而不是演绎。

分类：

1）监督学习

监督学习算法依赖具有标签的训练数据来建立数学模型。

2）半监督学习

在某些情况下，并不是所有的输入数据集都被有效标注了，即训练集中包含已标注的样本和未标注的样本。

3）无监督学习

表示机器学习的数据是没有标记的。机器从无标记的数据中探索并推断出潜在的联系。

4）强化学习

在动态环境中以正或负强化的形式给出反馈，并用于自动驾驶车辆，或者学习与人类对手玩游戏等。

5）主动学习

在预算访问有限等情况下，算法通过交互式的形式来询问用户和其他信息源，以更新和预测新的数据点所期望的输出。

6）元学习

利用以往的知识经验来指导新任务的学习。

       在金融领域，机器学习参与了反欺诈、反洗钱风控等难以胜任的工作，在时间序列预测方面也有一席之地。

       机器学习在将车辆从简单连接转变为自驾车的过程中发挥着巨大的作用。正在使用机器学习来分析连接汽车产生的数据量越来越大，以优化交通模式，识别道路危险以及其他可能影响自动驾驶车辆乘客安全的因素为目标。

       从案例来看，机器学习涉及的产业有很多，对于改善我们的生活起到了很大的作用。机器学习涉及的学科有很多，要学好也不容易。机器学习的发展前景很广阔，对于不少人来说是一个很好的就业方向。