CS-GY 6923這門課程是紐約大學(xué)提供的一門在線課程，主要是幫助學(xué)生發(fā)展實(shí)用的機(jī)器學(xué)習(xí)和數(shù)據(jù)科學(xué)技能。本課程將涵蓋廣泛的機(jī)器學(xué)習(xí)概念和方法的理論基礎(chǔ)，并通過編程分配實(shí)際應(yīng)用于樣本數(shù)據(jù)集。課程一共包含14個(gè)核心主題，下面來看看具體的內(nèi)容。

一、主要學(xué)習(xí)內(nèi)容

Topic 1: Introduction to the course and to machine learning

目標(biāo)：能夠在一個(gè)非常高的水平上，描述什么是機(jī)器學(xué)習(xí)，以及為什么它正在變得越來越普遍。

Topic 2: The perceptron and Adaline machine learning models

目的：能夠描述和實(shí)現(xiàn)感知器和阿達(dá)林機(jī)器學(xué)習(xí)模型。能夠比較這兩個(gè)模型的假設(shè)，并討論它們的優(yōu)缺點(diǎn)。

Topic 3：Logistic regression model,regularization. Multiclass classification

目的：能夠描述和實(shí)現(xiàn)邏輯回歸機(jī)器學(xué)習(xí)模型。能夠描述正規(guī)化，確定它適用于哪些機(jī)器學(xué)習(xí)情況，并應(yīng)用它。能夠?qū)⒍诸惸Ｐ蛻?yīng)用于多類問題。

Topic 4：Support Vector Machines and Kernel Machines

目標(biāo)：能夠描述支持向量機(jī)和內(nèi)核機(jī)。實(shí)現(xiàn)SVM和內(nèi)核機(jī)器學(xué)習(xí)模型。

Topic 5：Decision Trees and Decision Tree pruning

目標(biāo)：能夠描述和實(shí)現(xiàn)決策樹機(jī)器學(xué)習(xí)模型，并確定何時(shí)修剪合適，何時(shí)適當(dāng)時(shí)實(shí)現(xiàn)它。

Topic 6：Bayesian Learning

目的：能夠描述和實(shí)現(xiàn)貝葉斯機(jī)器學(xué)習(xí)模型。

Topic 7：Ensemble Methods

目的：能夠描述強(qiáng)和弱學(xué)習(xí)之間的區(qū)別。能夠描述引導(dǎo)、梯度增強(qiáng)和輔助的技術(shù)。能夠描述和實(shí)現(xiàn)隨機(jī)森林機(jī)器學(xué)習(xí)模型。

Topic 8：Regression

目的：能夠描述如何使用多個(gè)機(jī)器學(xué)習(xí)模型來解決回歸問題和實(shí)現(xiàn)這些技術(shù)。

Topic 9：Clustering and Nonparametric Models Including pCA. Dimensionality Reduction

目標(biāo)：能夠描述和實(shí)現(xiàn)集群模型和非參數(shù)模型

Topic 10：Neural Networks and Backpropagation

目的：能夠描述反向傳播的技術(shù)。能夠描述和實(shí)現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的機(jī)器學(xué)習(xí)模型

Topic 11：Other topics in Neural Networks

目的：能夠描述和實(shí)現(xiàn)利用卷積神經(jīng)網(wǎng)絡(luò)、遞歸和遞歸神經(jīng)網(wǎng)絡(luò)，以及隱馬爾可夫模型的技術(shù)。

Topic 12：Reinforcement Learning

目的：能夠描述和實(shí)施強(qiáng)化學(xué)習(xí)的機(jī)器學(xué)習(xí)技術(shù)

Topic 13：Generative Adversarial Networks,Ethics and Fairness in Machine Learning,and Concluding Comments

目標(biāo)：能夠描述生成性的對(duì)抗性網(wǎng)絡(luò)。能夠描述機(jī)器學(xué)習(xí)中的倫理和公平問題。

Topic 14：presentation of Final projects

二、CS-GY 6923機(jī)器學(xué)習(xí)成果

完成這門課程，你應(yīng)該可以獲得以下知識(shí)：

1.描述在機(jī)器學(xué)習(xí)中使用的主要模型以及它們通常應(yīng)用于的問題類型。

2.比較了每個(gè)模型的假設(shè)和每個(gè)模型的優(yōu)缺點(diǎn)。

3.確定機(jī)器學(xué)習(xí)適用于哪些問題，以及哪些模型或多個(gè)模型在每種情況下最合適。

4.將機(jī)器學(xué)習(xí)中的主要模型應(yīng)用于適當(dāng)?shù)膯栴}。

以上就是關(guān)于紐約大學(xué)機(jī)器學(xué)習(xí)這門課程的詳細(xì)內(nèi)容介紹，希望能幫助到各位同學(xué)。學(xué)習(xí)中有任何問題，歡迎找留求藝的專業(yè)老師咨詢!