学期课程导学以及相关书籍推荐【中国大学mooc课程-python机器学习应用笔记】

机器学习的目标：

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能。

• 多领域交叉，涉及概率论、统计学，算法复杂度理论等多门学科。
• 广泛应用于网络搜索、垃圾邮件过滤、推荐系统、广告投放、信用评价、欺诈检测、股票交易和医疗诊断等应用。

机器学习分类：

• 监督学习（Supervised Learning）
• 无监督学习（Unsupervised Learing）
• 强化学习（Reinforcement Learning）
• 半监督学习（Semi-supervised Learning）
• 深度学习（Deep Learning）

监督学习是从给定的训练数据集中学习出一个函数，当新的数据到来时，可以根据这个函数预测结果，训练集通常由人工标注。无监督学习与监督学习相比，训练集是没有人为标注的结果的。而半监督学习是介于监督学习和无监督学习之间的一类学习方法。增强学习通过观察来学习执行什么样的动作获得最好的回报，每个动作都会对环境有所影响，学习对象根据观察到的周围的环境的反馈来作出判断。深度学习是当下最火热的机器学习分支，他主要是利用深层神经网络模型抽象数据的表示特征的一种方法。

开源的，用于机器学习的python模块 sklearn：

Scikit-learn 可以去官网找到众多的资源，包括模块下载、文档和例程。

• 一组简单有效的工具集
• 依赖Python的NumPy，SciPy和matplotlib库。
• 开源、可复用

课程目标：

• 了解基本的机器学习原理及算法
• 学习利用机器学习算法解决应用问题的能力
• 掌握sklearn库中常用机器学习算法的基本调用方法，避免重复造车

相关书籍及课程推荐：

由南京大学人工智能和机器学习领域具有国际影响力的著名学者周志华老师撰写，适合高年级本科生和低年级研究生阅读的机器学习入门书籍，书中很多地方采用了如何利用西瓜的各种特征，比如色泽、根蒂来挑选可口的西瓜的例子，因此也被昵称为西瓜书。

这是一本机器学习贝叶斯学派的经典书籍，是一本广度深度可读性可用性都兼顾的一种书籍，“早知此书，phD早毕业2年”也是对这本书的一个经典的评价。

推荐的在线课程包括由前百度首席科学家斯坦福教授吴恩达老师，也是在线教育平台Coursera的联合创始人。这门课程深入浅出的讲解了机器学习的原理及算法知识。查了，网易公开课也有连接http://open.163.com/special/opencourse/machinelearning.html

对深度学习感兴趣的同学，推荐斯坦福大学的《CS231n》课程，这个课程主要介绍深度学习在计算机视觉领域的应用，其前导课程对深度学习的基本思想解释是非常清晰和细致的。

对强增强学习感兴趣的同学，推荐上述课程。