机器学习方法与应用
课程编码：081002M05001H
英文名称：Machine Learning Methods and Applications
课时：50
学分：3.00
课程属性：专业普及课
主讲教师：叶齐祥等
教学目的要求
课程为电子工程、信号与信息处理、遥感应用技术等学科的专业基础课。讲述机器学习的方法与最新进展；要求学生掌握机器学习的基本理论与主流方法，并初步具有使用合适的方法解决实际应用问题的能力，为信号处理与分析、大规模图像处理与理解奠定理论基础。
预修课程
概率论、线性代数；初步的C语言或Matlab编程基础。
大纲内容
第一章 概述 4.0学时 叶齐祥
第1节 机器学习概述
第2节 决策树学习
第二章 数据回归 2.0学时 叶齐祥
第1节 数据回归
第三章 概率学习方法 6.0学时 叶齐祥
第1节 概率统计回顾
第2节 贝叶斯学习
第3节 EM算法与高斯混合模型
第四章 基于样本的方法 8.0学时 叶齐祥
第1节 K近邻方法
第2节 支撑向量机方法
第3节 字典学习
第五章 人工神经网络 9.0学时 叶齐祥
第1节 全连接人工神经网络
第2节 深度神经网络
第3节 Transformer方法
第六章 分类器装配 3.0学时 叶齐祥
第1节 Boosting方法
第2节 随机森林
第七章 聚类分析 1.0学时 叶齐祥
第1节 聚类分析
第八章 数据降维 3.0学时 叶齐祥
第1节 PCA方法
第2节 流形
第九章 机器学习应用案例 12.0学时 叶齐祥
第1节 视觉目标检测
第2节 自监督学习方法
第3节 弱监督学习方法
第4节 强化学习
第十章 考试 2.0学时 叶齐祥
第1节 考试
教材信息
1、
Machine Learning：A Probabilistic Perspective
Kevin Murphy
2012年1月
MIT Press
参考书
1、
统计机器学（第二版）
李航
2021年1月
清华大学出版社
课程教师信息
叶齐祥 教授，博导。分别于1999、2001年获哈尔滨工业大学学士、硕士学位，2006年获中科院计算所工学博士学位。2006年在中国科学院大学任教，历任讲师、副教授、教授。2012至2013年在美国马里兰大学先进计算机技术研究所（UMIACS）任访问助理教授，2016年Duke大学信息技术研究所(IID)访问学者。研究方向为机器学习与视觉目标感知。提出了流形引导的分段线性SVM方法。研制了可靠性乙烯收率预测技术，在中国石化获得应用推广，研制了高精度多聚焦图像融合技术，在北京高宸朗日高清数码显微镜系统中应用。发表论文70余篇，包括IEEE汇刊6篇，2014年获得卢嘉锡青年人才奖，IEEE 高级会员。