欢迎各位一起来学习机器学习，希望大家与我一起进步！下面对本次机器学习分享做如下说明：
本次机器学习分享的内容如下：
- 数学基础回顾（高等数学多元微积分/线性代数矩阵及矩阵求导/概率论及数理统计）
- 机器学习基础概念（回归、分类和聚类的概述/偏差和方差分解理论/）
- 线性回归与线性分类（线性回归/逻辑回归/判别分析/基函数/支持向量机和核函数）
- 树模型（决策树回归和分类/决策树的剪枝）
- 集成学习方法（Bagging/Boosting（Adaboost+GBDT+Xgboost）/Stacking）
- 机器学习调参（网格搜索/随机搜索/贝叶斯优化）
- （选讲） 概率机器学习（有向图和无向图/马尔科夫链/隐马尔科夫网络/EM算法）
- （选讲） 最优化理论及方法（无约束优化（凸优化理论+梯度下降法+牛顿法+拟牛顿法+共轭梯度法）/约束优化（KKT条件+对偶））
- （选讲） 全连接神经网络（网络构建/反向传播算法/梯度消失/深度学习中的过拟合）
- （选讲） 卷积神经网络（一维卷积/二维卷积）
- （选讲） 循环神经网络家族（RNN/LSTM/GRU/梯度消失与梯度爆炸）
- （选讲） 自然语言处理NLP专题之文本挖掘（自然语言处理基础/文本分类/文本相似度分析/语义和情感分析）
- 往后的内容敬请期待！
本次机器学习（2021春）分享适合有一定的编程能力但是不知道如何入门机器学习算法的大学生或者想转行机器学习的在职人员。
本次分享团队共有三人：李祖贤（主讲人）/梁伟斌（助教）/邱广坤（助教）