您的位置：EEWORLD大学堂 / 机器学习/算法 / Python机器学习应用 / 降维之NMF

本课程面向各类编程学习者，讲解当下流行的机器学习相关的技术和方法，帮助学习者利用Python语言掌握机器学习算法解决一般问题的基本能力，一窥前沿机器学习算法的奥秘。
本课程介绍Python计算生态中广受欢迎的机器学习算法库scikit-learn，这些算法在工程、信息、管理、经济等学科领域具有极其广泛的应用潜力，被全世界各大科研院所和国际知名公司广泛采用，包括必修内容和选修内容两部分。

必修内容包括：
（1）理解机器学习，通过介绍机器学习的基本问题（分类、聚类、回归、降维）介绍经典算法；
（2）Python第三方库sklearn（scikit-learn），讲解应用机器学习算法快速解决实际问题的方法。
选修内容包括：
（1）讲解AlphaGo背后的机器学习原理（强化学习）；
（2）游戏对战实例展示，通过实例展示自主学习的强大魅力。

根据第三方库内容特点，课程共分6个内容模块和2个实战模块：

模块1：机器学习基本思想与原理 vs. sklearn库
模块2：无监督学习之聚类、算法与用例（sklearn中的K-means、DBSCAN）
模块3：无监督学习之降维、算法与用例(sklearn中的PCA、NMF)
模块4：监督学习之分类、算法与用例（sklearn中KNN、朴素贝叶斯、决策树）
模块5：监督学习之回归、算法与用例（sklearn中线性回归、非线性回顾）
模块6（实战）：监督学习实现手写识别实例编写，算法对比与分析
模块7（选修）：强化学习方法、深度学习
模块8（选修、实战）：实战项目：Flappy Bird游戏智能对战