机器学习-基础阶段

课程介绍：

本课程介绍机器学习基础概念及框架；至少介绍10种常用机器学习聚类和分类算法，并介绍相关算法的实际应用案例，是学员了解机器学习基本原理、应用场景和实现方法。

课程目标：

掌握机器学习基本概念及框架；学习至少10种常用机器学习算法，了解基本原理、应用场景和实现方法。

课程案例：

道路交通时序数据聚类分析、商业场所空间聚类分析、短时交通预测、登革热病例数量预测等。

学习基础：

概率论和统计学、Python编程语言

参考资料：

1、《机器学习》，周志华，清华大学出版社

2、《统计学习方法》，李航，清华大学出版社

3、《数据挖掘导论》，范明和范宏建等译，人民邮电出版社

授课老师：

刘博士

中国科学院深圳先进技术研究院副研究员

中国科学院深圳理工大学（筹）副教授

深圳市海外高层次人才 发表学术论文20余篇

主持国家自然科学基金（青年项目）、广东省自然科学基金（面上项目）和深圳市自然科学基金（面上项目）等6项科研项目

参与国自然重点、国自然面上、国家重点研发等多项国家重要项目

研究方向为地理大数据与城市计算，旨在借助机器学习/人工智能、时空数据挖掘、复杂网络等多学科交叉方法和多源异构时空大数据，研究和解决城市交通、城市规划、公共卫生等领域关键问题。

课程内容：

1）机器学习基本概念与分类

2）K-Means聚类

3）DBSCAN聚类

4）层次聚类

5）K邻近法

6）Logistic回归

7）决策树

8）人工神经网络

9）支持向量机

10）朴素贝叶斯

11）集成学习

12）算法评价指标

13）算法应用案例

14）算法实现方法

15）关联规则挖掘

16）协同过滤推荐

17）PageRank网页排序