機器學習在1959年由亞瑟·塞繆爾(Arthur Samuel)定義為“使計算機無需明確編程即可學習的能力的研究領域”。 EITC/AI/MLPP Python機器學習編程旨在介紹機器學習的基礎知識(包括對理論的基本理解),重點是Python編程。 除理論外,它還涵蓋了有監督,無監督和深度學習機器學習算法的應用以及理論和實踐方面。 該程序涵蓋線性回歸,K最近鄰,支持向量機(SVM),平面聚類,層次聚類和神經網絡。 它包括所涉及算法的基本概念及其背後的邏輯。 它還討論了算法在使用示例真實數據集以及模塊(例如Scikit-Learn)進行編程時的應用。 該程序還將通過在代碼中實現這些算法來涵蓋每種算法的詳細信息,包括所涉及的數學,並深入了解算法的工作原理,如何對其進行修改以及它們的特性(包括優點和缺點)。 機器學習中涉及的算法非常簡單(取決於它們對大數據集的縮放必要性),它們所基於的數學也是如此(線性代數)。
課程參考資源
Python文檔
https://www.python.org/doc/
Python發布下載
https://www.python.org/downloads/
初學者Python指南
https://www.python.org/about/gettingstarted/
Python Wiki初學者指南
https://wiki.python.org/moin/BeginnersGuide
W3Schools Python 機器學習教程
https://www.w3schools.com/python/python_ml_getting_started.asp
下載 EITC/AI/MLP Machine Learning with Python 程式的完整離線自學準備資料(PDF 檔案)