机器学习和数据挖掘 高威大学-直接注册计划 2024秋季学期工程 & 计算机科学 ——高威

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