9个PPT全面解读机器学习，理清学科脉络！

点击中国图象图形学报→主页右上角菜单栏→设为星标

专家讲堂

图片来源网络

“专家讲堂”自推出以来，聚焦机器学习热点，发布系列PPT微推6条，包括了上千页的PPT，阐述了大量的基础概念和术语，讲解了数以百计的实用案例，为初学者提供了一份入门级学习宝典，累计阅读量2万+，受到了广大图粉的关注和好评。

今天图图把机器学习系列的全9章PPT全部打包奉送，不仅包括之前微信推送过的6个章节，还有从未发布的3个全新章节，这是一个全面掌握和构建机器学习知识体系的绝佳机会，爱学习的你千万别错过！

这是机器学习系列的终章，亦是启航！

欢迎关注我们开启新的征程

机器学习概述

第一章

116页PPT主要包括：

• 机器学习基本概念

• 机器学习发展历程

• 机器学习基本问题

推荐阅读

模型估计与优化

第二章

机器学习随着人工智能的产生迅速发展，目前已形成一个非常庞大且正在快速延伸发展的知识体系，众多学习算法更是精彩纷呈、目不暇接。

在这些数不胜数的机器学习算法中，模型求解的本质是什么？如何优化模型得到更好的结果？

推荐阅读：

监督学习

第三章

以带标签样本为训练对象的机器学习方式通常称之为监督学习。

本章系统地介绍线性模型、决策树模型、贝叶斯模型和支持向量机等面向监督学习的模型结构及相关学习算法。

推荐阅读：

无监督学习

第四章

通过对无标注样本示例进行分析而完成学习任务的学习方式通常称之为无监督学习或非监督学习。与监督学习相比，无监督学习不是通过对带标注样本的归纳获得一般性结论，而是直接通过分析样本数据自身的结构化信息实现对具体问题的求解。

本章系统地介绍和讨论聚类分析、主分量分析和稀疏编码等无监督学习的基本理论与方法。

集成学习

第五章

集成学习通过集成方式组合多个性能一般的普通模型， 使得集成模型较普通模型具有更强的泛化能力和使用效果。

本章主要包括：

• 集成学习的基本知识；

• 分析讨论集成学习的袋装策略和提升策略；

• 集成学习的若干具体应用。

强化学习

第六章

强化学习又称为再励学习或评价学习，采用类似于人类和动物学习中的试错机制，通过不断获取外部环境的反馈信息优化调整计算模型或动作行为，实现对序贯决策问题的优化求解。它具有非常广泛的应用前景，被认为是一种最接近人类学习行为的学习方法。

本章主要介绍：

• 强化学习的基础知识，包括强化学习的基本概念、马尔可夫模型和强化学习的基本方式；

• 基本强化学习方法，包括值迭代学习、时序差分学习和 Q 学习；

• 两种典型的示范强化学习方法，即模仿强化学习和逆向强化学习。

神经网络和深度学习

第七章

深度神经网络模型研究在近年取得了较大进展，在游戏博弈、视频图像处理和自然语言理解等多个领域取得了巨大成功，并在全社会掀起了机器学习和深度学习的研究热潮。

本章介绍连接学习与人工神经网络的基本理论和关键技术，主要包括：

• 人工神经网络模型的基本结构和基本训练算法；

• 径向机网络、自编码器和玻尔兹曼机等几种重要的人工神经网络模型；

• 深度学习的基本理论。

推荐阅读：

常用深度网络模型

第八章

本章对深度网络多种模型和方法进行梳理：

• 凝练出深度卷积网络、深度循环网络和生成对抗网络等最常用、最基本的深度网络模型并进行重点介绍；

• 分析讨论这些网络模型的设计思想、训练策略和应用技术；

• 在具体剖析这些网络模型结构和性能特点的基础上，归纳总结深度网络模型结构设计基本规律和关键技术。

推荐阅读：

深度强化学习

第九章

什么是强化学习？

和其他学习方法相比，有何不同与特色？

深度学习如何与强化学习结合？并各取所长？

深度强化学习会成为未来引领智能计算的方法吗？

推荐阅读：

专家简介

汪荣贵，合肥工业大学计算机与信息学院教授，主要研究方向智能视频处理与分析、车载视觉增强系统、多媒体技术等。

E-mail: [e-mail]

8位院士，8个正确决定，成功扭转疫情！

钟南山：肯定有人传人

李兰娟：武汉封城刻不容缓

王辰：提出建立“方舱医院”

陈薇：自主研发检测试剂，攻关疫苗

乔杰：将孕产妇、儿童的治疗经验纳入新方案

张伯礼：轻症、重症分开治疗，征用学校、酒店作为隔离点

仝小林：提出寒湿疫，指导全国中医治疗方案

黄璐琦：中西医结合比纯西医明显缩短病程

他们是

大国脊梁，民族英雄

振臂可为国出策，俯身能救民水火

高山仰止，景行行止

虽不能至，心向往之

欢迎添加学报小编微信，获取机器学习系列PPT大礼包。

❂ 好文推荐
❂ 专家报告
❂ 论文写作
❂ 往期目次

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：韩小荷

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

齐心抗疫

与你同在

前沿 | 观点 | 资讯 | 独家

电话：[phone]/7418

网站：www.cjig.cn

在看点这里