了解机器学习定义以及应用场景说明机器学习算法监督学习与无监督学习的区别说明监督学习中的分类、回归特点说明机器学习算法目标值的两种数据类型说明机器学习 ( 数据挖掘 ) 的开发流程机器学习算法课程定位、目标定位课程以算法、案例为驱动的学习，伴随浅显易懂的数学知识作为人工智能领域(数据挖掘/机器学习方向)的提升课程，掌握更深更有效的解决问题技能目标应用 Scikit-learn 实现数据集的特征工程掌握机器学习常见算法原理应用 Scikit-learn 实现机器学习算法的应用，结合场景解决实际问题机器学习概述1.1人工智能概述1.1.1机器学习与人工智能、深度学习机器学习和人工智能，深度学习的关系机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来达特茅斯会议-人工智能的起点1956 年 8 月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）马文·闵斯基（Marvin Minsky，人工智能与认知学专家） 克劳德·香农（Claude Shannon，信息论的创始人）艾伦·纽厄尔（Allen Newell，计算机科学家）赫伯特·西蒙（Herbert Simon，诺贝尔经济学奖得主）等科学家正聚在一起，讨论着一个完全不食人间烟火的主题：用机器来模仿人类学习以及其他方面的智能。会议足足开了两个月的时间，虽然大家没有达成普遍的共识，但是却为会议讨论的内容起了一个名 字：人工智能因此，1956 年也就成为了人工智能元年。1.1.2机器学习、深度学习能做些什么机器学习的应用场景非常多，可以说渗透到了各个行业领域当中。医疗、航空、教育、物流、电商等等 领域的各种场景。用在挖掘、预测领域：应用场景：店铺销量预测、量化投资、广告推荐、企业客户分类、SQL 语句安全检测分类… 用在图像领域：应用场景：街道交通标志检测、人脸识别等等用在自然语言处理领域：应用场景：文本分类、情感分析、自动聊天、文本检测等等当前重要的是掌握一些机器学习算法等技巧，从某个业务领域切入解决问题。1.1.3人工智能阶段课程安排1.2什么是机器学习1.2.1定义机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。1.2.2解释我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析 现实状况，采取最佳策略。从数据（大量的猫和狗的图片）中自动分析获得模型（辨别猫和狗的规律），从而使机器拥有识别 猫和狗的能力。从数据（房屋的各种信息）中自动分析获得模型（判断...
