第1章 引言 第2章 监督学习 第3章 无监督学习与预处理 第4章 数据表示与特征工程 第5章 模型评估与改进 第6章 算法链与管道 第7章 处理文本数据 第8章 全书总结

• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

简要历程 特征学习原理 应用模式

【机器学习】弹性网络核极限学习机的多标记学习算法

广东工业大学：《机器学习》课程教学资源（课件讲义）第15讲 无监督学习——降维深度学习可视化（Neighbor Embedding，LLE T-SNE）

广东工业大学：《机器学习》课程教学资源（课件讲义）第15讲 无监督学习——降维深度学习可视化（PCA Kmeans）

3.1 简介 定义：概念学习是指从有关某个布尔函数的输入输出训练样例中推断出该布尔函数

一. 人工智能、专家系统、机器学习 1. 人工智能 分四个阶段：第一阶段：智力难题的求解（修道士过河） 第二阶段：自然语言理解，景物分析等 第三阶段：专家系统（推理） 人工智能走向实用

杭州电子科技大学：《人工智能导论》课程教学资源（PPT课件讲稿）第六讲 机器学习基础（机器学习与知识发现）

广东工业大学：《机器学习》课程教学资源（课件讲义）第1讲 机器学习概述