获得价值高达 $750
当您在2024年2月14日前使用代码*申请时
机器学习和数据挖掘
概述
CEA CAPA合作机构: 高威大学
地点: 高威,爱尔兰
主要科目范围: 计算机信息系统
指令: 英语
课程代码: CT475
记录来源: 合作伙伴机构
课程详细信息: 400级
推荐学分: 2.5
联系时间: 36
描述
机器学习的定义, Data Mining and the relationship between them; the CRISP Data Mining process model; major tasks including classification, 回归, 聚类, 协会学习, 特征选择, 强化学习; algorithms for these tasks that may include decision tree learning, 基于实例的学习, 概率学习, 支持向量机, 线性和逻辑回归, and Q-learning; open-source software tools for data mining; practical applications such as sensor data analysis, 医疗保健数据分析, and text mining to identify spam email; ethical issues and emerging trends in data mining and machine learning.
学习成果
1.定义机器学习和数据挖掘并讨论它们的关系
2.解释机器学习任务的主要类别
3.演示如何将数据挖掘过程应用于实际问题
4.解释和应用决策树学习的算法, 基于实例的学习, 线性和逻辑回归, 概率学习, 支持向量机, 强化学习
5.给定要处理的数据集和数据挖掘任务, select, 应用和评估适当的算法, 并解释结果
6.讨论数据挖掘和机器学习中的道德问题和新兴趋势
学习成果
1.定义机器学习和数据挖掘并讨论它们的关系
2.解释机器学习任务的主要类别
3.演示如何将数据挖掘过程应用于实际问题
4.解释和应用决策树学习的算法, 基于实例的学习, 线性和逻辑回归, 概率学习, 支持向量机, 强化学习
5.给定要处理的数据集和数据挖掘任务, select, 应用和评估适当的算法, 并解释结果
6.讨论数据挖掘和机器学习中的道德问题和新兴趋势
让我们聊天