機器學習技術任務驅動式教程

本教材內容包括了解機器學習、機器學習開發環境安裝及使用，以及 8 個大類的預測任務（涵蓋監督學習、無監督學習、集成學習、深度學習等知識點）。在內容的選取上，本教材突出數據的多樣性、方法的代表性和繼承性，通過豐富的機器學習任務深入淺出地介紹機器學習技術在現實生活中的應用和實踐。本教材共有 10 個模塊，第 1～2 個模塊是實施機器學習任務前的概念介紹和環境準備，第 3～8 個模塊結合案例介紹 K-最近鄰、線性回歸和邏輯回歸、決策樹、貝葉斯模型、支持向量機、K-平均值等機器學習算法及模型，第 9、10 個模塊分別介紹了結合多分類器的集成學習方法和源自神經網絡模型的深度學習算法。從第 3 個模塊開始，每個模塊至少包含 3 個案例，涵蓋數據清洗、數據轉換、模型訓練、模型評估、結果可視化等大數據和人工智能技術。本教材提供豐富多樣的機器學習任務，借鑒企業項目開發的工作流程，采用 JupyterLab 融合注釋、代碼和運行結果，圖文並茂地介紹機器學習任務的編碼過程。在編碼過程中，涉及機器學習概念、公式及注意事項的詳細講解。本教材適用於高職高專院校大數據和人工智能技術應用專業開展任務驅動式教學，也可作為機器學習初學者的啟蒙資料