本课程需要学习者具备Python语言编程的基本知识和初步技能，建议Python基础薄弱学习者先修嵩老师的“Python语言程序设计”课程。具体地，学习者需要预先掌握Python的数字类型、字符串类型、分支、循环、函数、列表类型、字典类型、文件和第三方库使用等概念和编程方法。
课程大纲
根据第三方库内容特点，课程共分6个内容模块和2个实战模块
Python机器学习应用人工智能（AI）如何建立呢？通过逻辑推理，还是通过学习模仿？近年来的发展看，机器学习似乎略胜一筹，机器学习建立智能，应用人工智能去解决问题吧！
本课程面向各类编程学习者，讲解当下流行的机器学习相关的技术和方法，帮助学习者利用Python语言掌握机器学习算法解决一般问题的基本能力，一窥前沿机器学习算法的奥秘。
本课程介绍Python计算生态中广受欢迎的机器学习算法库scikit-learn，这些算法在工程、信息、管理、经济等学科领域具有极其广泛的应用潜力，被全世界各大科研院所和国际知名公司广泛采用，包括必修内容和选修内容两部分。
必修内容包括：
（1）理解机器学习，通过介绍机器学习的基本问题（分类、聚类、回归、降维）介绍经典算法；
（2）Python第三方库sklearn（scikit-learn），讲解应用机器学习算法快速解决实际问题的方法。
选修内容包括：
（1）讲解AlphaGo背后的机器学习原理（强化学习）；
（2）游戏对战实例展示，通过实例展示自主学习的强大魅力。
机器学习是什么？
⭐️：机器学习是一门涉及数学、统计学、计算机科学等的学科。
⭐️：机器学习是从一个大量的已知数据中，学习如何对未知的新数据进行预测，并且可以随着学习内容的增加，提高对未来数据预测的准确性的一个过程。（着重强调过程，就相当于是从已知去预测未知）
⭐️：例如，在购物时，机器学习算法自动根据浏览历史，推荐用户感兴趣的商品。这点我相信大家在逛淘宝等等的时候都有所体会吧！
机器学习算法可以分为三大类：无监督学习、有监督学习和半监督学习。
那么接下来就简单介绍以下这三类是个什么意思。
无监督学习：不需要提前知道数据集的类别标签，可分为聚类和降维两个领域。
有监督学习：使用有标签的训练数据建立模型，用来预测新的未知标签的数据，可分为分类和回归两个领域。（分类是预测离散值，回归是预测连续值）
半监督学习：无监督学习和有监督学习的结合。
为什么选择机器学习
例如垃圾邮件的识别和清理，这是*设计的规则体系来设计“智能应用”的一个实例，人为制订的决策规则对某些应用来说是可行的，特别是人们对其模型处理过程非常熟悉的应用
做决策所需要的逻辑只适用于单一领域和单项任务任务，哪怕稍有变化，都可能需要重写整个系统
想要制订规则，需要对人类*的决策过程有很深刻的理解
但是如果有了机器学习，向程序输入海量人脸图像，就足以让算法确定识别人脸需要哪些特征
