对于机器学习领域的初学者来说，这会是很好的入门课程。目前，课程的笔记、PPT 和视频正在陆续发布中。

　　2020 年就这么悄无声息地走完了，想必大多数人，尤其是在校学生唯一的感觉就是：「又是毫无学术进展的一年。」

　　近日，威斯康辛大学麦迪逊分校助理教授 Sebastian Raschka 在推特上宣布了威斯康辛大学《机器学习导论》2020 秋季课程的完结：「教授两个班级和 230 个学生是相当不错的体验，对于那些感兴趣的人，我整理了一页记录以供参考。」

　　Sebastian Raschka 是威斯康星大学麦迪逊分校的统计学助理教授，致力于机器学习和深度学习研究。他最近的一些研究方法已应用于生物识别领域，解决面部图像隐私问题，其他的研究重点包括开发与机器学习中的模型评估、对抗攻击和 AutoML 有关方法和应用程序。他也是《Python 机器学习》一书的作者，曾被科技博客 Analytics Vidhya 评为 GitHub 上具影响力的数据科学家之一。

　　对想要学习这门课程的学生，Sebastian Raschka 教授的建议是：你至少要熟悉基本编程知识并完成了编程入门课程。

　　1.3 机器学习的类别：讨论了机器学习的三大类完美体育网站，监督学习、无监督学习和强化学习

　　2.2 最近邻决策边界：包括 1 - 最近邻决策边界背后的概念，此外还列出了一些常见的距离度量

　　2.3 K - 最近邻算法：将 1 - 最近邻概念扩展到 k - 最近邻算法，进行分类和回归

　　2.5 K - 最近邻的提升：总结一些提升 K - 最近邻计算性能和预测效率的常见技巧

　　3.1 Python 概述：这节课将讨论 Python 的用法，进行 C 和 Python 的快速演示（也许并不是很有吸引力）

　　6.5 基尼系数 & 熵与误分类误差：阐释在 CART 决策树的信息增益方程式中，为什么要使用熵（或基尼）代替误分类误差作为杂质度量

　　6.6 改进和处理过拟合：将决策树的一些问题（例如过拟合）融合在一起并讨论改进方法，例如增益比、预剪枝和后剪枝

　　6.7 代码示例：如何使用 scikit-learn 训练和可视化决策树的快速演示

　　7.2 绝对多数投票法：讨论最基本的模型集成之一「绝对多数投票」，通过示例解释为什么它比使用单个分类器更好

　　7.5 梯度提升：在 AdaBoost 使用权重作为训练示例来完美体育 完美体育官方平台提升下一轮树的情况下，梯度提升使用损失的梯度来计算残差以适应序列中的下一棵树，视频中完美体育 完美体育官方平台提到的论文地址：

　　7.6 随机森林：讲解随机森林及其与套袋法之间的关系，以及为什么随机森林在实践中的效果优于套袋法

　　在后续即将更新的课程中，Sebastian Raschka 将对「降维和无监督学习」、「贝叶斯学习」内容进一步介绍，课程资料也会更新，包括讲座视频、PPT 链接等。

　　全球顶尖AI专家齐聚主论坛，解读智能化转型的技术之道。4场技术工作坊分享智慧城市、智能出行、华为开源生态与边缘智能引擎等线场黑客松等你来战。

　　原标题：《威斯康辛大学《机器学习导论》2020秋季课程完结完美体育入口，课件、视频资源已开放》