都柏林大學(xué)研究生機(jī)器學(xué)習(xí)課程的目標(biāo)是讓學(xué)生熟悉機(jī)器學(xué)習(xí)的基本理論概念，并指導(dǎo)學(xué)生應(yīng)用機(jī)器學(xué)習(xí)算法的實(shí)踐方面。課程涵蓋了監(jiān)督機(jī)器學(xué)習(xí)中的關(guān)鍵技術(shù)，例如使用決策樹和最近鄰算法的分類，以及回歸分析。課程特別強(qiáng)調(diào)對這些算法性能的評估。無監(jiān)督機(jī)器學(xué)習(xí)部分，課程將詳細(xì)介紹一些流行的聚類算法。還將介紹機(jī)器學(xué)習(xí)的進(jìn)一步主題和應(yīng)用。這門課需要很強(qiáng)的數(shù)學(xué)能力，因?yàn)橐恍┧惴ㄐ枰獙€性代數(shù)和統(tǒng)計(jì)概念有所了解。同學(xué)如果想預(yù)習(xí)這門課，可以先了解一下課程的主要內(nèi)容摘要。

一、主要內(nèi)容摘要

1、分類技術(shù)：kNN、決策樹、樸素貝葉斯和SVM

2、回歸

3、梯度下降和神經(jīng)網(wǎng)絡(luò)

4、Ensembles

5、評估方法和措施

6、強(qiáng)化學(xué)習(xí)

7、無監(jiān)督學(xué)習(xí)技術(shù)：降維、劃分和層次聚類

8、使用python/Scikit-learn運(yùn)行機(jī)器學(xué)習(xí)任務(wù)

二、課程評估策略

1、Assignment 1：在一些簡化的實(shí)際應(yīng)用程序中運(yùn)用ML技術(shù)。

2、Multiple Choice Questionnaire：一系列測試學(xué)生對理論和應(yīng)用概念的理解能力的測驗(yàn)。此外，這還涉及提交教程練習(xí)和參與教程。

3、Assignment 2：在一些簡化的實(shí)際應(yīng)用程序中運(yùn)用ML技術(shù)。

4、Examination：測試對機(jī)器學(xué)習(xí)概念的理論理解的期末考試。

三、課程預(yù)習(xí)目標(biāo)

1、區(qū)分不同類別的機(jī)器學(xué)習(xí)算法；

2、為給定的應(yīng)用或任務(wù)識別合適的機(jī)器學(xué)習(xí)算法；

3、使用各種評估度量運(yùn)行和評估一系列算法的性能；

4、使用python和scikit-learn進(jìn)行使用真實(shí)數(shù)據(jù)集的機(jī)器學(xué)習(xí)任務(wù)。

以上就是都柏林大學(xué)研究生機(jī)器學(xué)習(xí)課程摘要，希望能夠?yàn)橥瑢W(xué)的預(yù)習(xí)準(zhǔn)備帶來幫助。