課程簡介
Course Introduction
本門課程適合于大三及研究生，以及對數據挖掘與機器學習感興趣的人員,，主要講授經典而常用的機器學習方法（包括決策樹,、神經網絡、支持向量機,、貝葉斯分類器,、集成學習,、聚類、降維與度量學習等）和機器學習的進階知識（包括特征選擇與稀疏學習,、計算學習理論,、半監(jiān)督學習、概率圖模型,、規(guī)則學習以及強化學習等）,。
教學大綱
Teaching Syllabus
本課程旨在對目前主流的機器學習理論、方法及算法,、應用做總體介紹,，包括機器學習總論、監(jiān)督學習,、非監(jiān)督學習,、統(tǒng)計學習、計算學習,、貝葉斯學習,。詳細闡述各種學習的理論、模型,、算法及應用,。課程強調理論與應用結合。
要求學生對國際上機器學習研究及應用領域的現(xiàn)狀和發(fā)展有較全面地把握和及時了解,，掌握其中的主流學習方法和模型,，并能根據實際問題的需要選擇并實現(xiàn)相應的算法。
教學隊伍Teaching Members
相關課程Correlative
Courses
