不可错过!CMU《机器学习导论》2021课程,ML祖师爷Tom Mitchell带队讲授,附Slides

2021 年 3 月 20 日 专知


机器学习涉及的是通过经验自动提高其性能的计算机程序(例如,学习人脸识别,推荐音乐和电影,以及驱动自主机器人的程序)。本课程从多种角度涵盖了机器学习的理论和实际算法。我们涵盖了贝叶斯网络、决策树学习、支持向量机、统计学习方法、无监督学习和强化学习等主题。课程涵盖的理论概念如归纳偏差,PAC学习框架,贝叶斯学习方法,基于边际的学习,和奥卡姆剃刀。编程作业包括各种学习算法的动手实验。本课程旨在为研究生提供机器学习研究人员所需要的方法论、技术、数学和算法的全面基础知识。


http://www.cs.cmu.edu/~mgormley/courses/10601/


学习成果: 课程结束时,学生应能够:


  • 实现并分析现有的学习算法,包括为分类、回归、结构预测、聚类和表示学习而充分研究的方法

  • 将实际机器学习的多个方面集成到一个系统中:数据预处理、学习、正则化和模型选择

  • 描述学习模型和算法的形式属性,并解释这些结果的实际含义

  • 比较和对比不同的学习范式(监督的、非监督的,等等)

  • 设计实验评估和比较不同的机器学习技术在现实世界的问题

  • 运用概率论、统计学、微积分、线性代数和最优化来开发新的预测模型或学习方法

  • 给出一种ML技术的描述,分析它,确定(1)形式主义的表达能力;(2)算法中隐含的归纳偏差;(3)搜索空间


参考书籍:

  • Machine Learning, Tom Mitchell.

  • Machine Learning: a Probabilistic Perspective, Kevin Murphy. Full online access is free through CMU’s library – for the second link, you must be on CMU’s network or VPN.

  • A Course in Machine Learning, Hal Daumé III. Online only.


目录内容:


  • Classification & Regression

  • Linear Models

  • 深度学习

  • 强化学习

  • 生成模型

  • 概率图模型

  • 学习理论

  • 学习方式



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“ML21” 就可以获取不可错过!CMU《机器学习导论》2021课程,ML祖师爷Tom Mitchell带队讲授,附Slides》专知下载链接

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取5000+AI主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取5000+AI主题知识资源
登录查看更多
2

相关内容

专知会员服务
73+阅读 · 2021年6月12日
专知会员服务
43+阅读 · 2020年11月27日
不可错过!CMU《深度学习导论》2020课程,附课件与视频
专知会员服务
79+阅读 · 2020年10月27日
专知会员服务
53+阅读 · 2020年10月11日
【CMU】机器学习导论课程(Introduction to Machine Learning)
专知会员服务
59+阅读 · 2019年8月26日
麻省理工2019年深度学习导论课程全套PPT
专知
14+阅读 · 2019年2月15日
11节麻省理工学院的通用人工智能课程大放送
全球人工智能
8+阅读 · 2018年2月6日
资源 | CMU统计机器学习2017春季课程:研究生水平
机器之心
14+阅读 · 2017年10月30日
Arxiv
49+阅读 · 2021年5月9日
Arxiv
24+阅读 · 2021年1月25日
Arxiv
7+阅读 · 2019年5月31日
Arxiv
26+阅读 · 2018年8月19日
Deep Learning
Arxiv
6+阅读 · 2018年8月3日
VIP会员
Top
微信扫码咨询专知VIP会员