默认基础知识
- 计算机科学基础,如:算法、数据结构、编程要会一些(课程中主要以MATLAB或octave)
- 概率、统计、基本的线性代数相关知识,课程中会go over
课程中的规定
- 任务:选取一个感兴趣的问题,使用学习型算法去解决它
- 目标:完成一项机器学习方面可发表的研究成果
- 往届项目:无人机、仿真狗、蛇、理解大脑fMRI数据、证券交易、美化人脸等等
- 使用工具: matlab or octaves
机器学习
定义
Arthor Samue(1959)非正式定义:在不直接对问题进行编程的情况下,赋予计算机学习能力的一个研究领域。
监督学习
- 回归问题:预测的变量是连续的,如房价与面积的预测
- 分类问题:预测的变量是离散的,如判别乳腺癌是否良性
无监督学习
- 聚类问题:3D建模、社会网络分析、市场划分、航天数据分析、鸡尾酒会问题
强化学习
- 应用示例:机器狗、机器蛇、无人机等