机器学习方法与应用

课程编码：180093081000P1005H 英文名称：Machine Learning Methods and Applications 课时：50 学分：2.50 课程属性：学科核心课 主讲教师：马坷

本课程旨在对目前主流的机器学习理论，方法及算法，应用做总体介绍。详细阐述各种学习的理论，模型及算法，应用。课程强调理论与应用结合。要求学生对国际上机器学习研究及应用领域的现状和发展有较全面地把握和及时了解，掌握其中的主流学习方法和模型，并能根据实际问题的需要选择并实现相应的算法。

微积分、线性代数、概率论

第一章 机器学习概述 3学时 马坷
第1节 概述
第2节 决策树学习
第二章 数据回归 1学时 马坷
第1节 数据回归
第三章 贝叶斯学习 2学时 马坷
第1节 贝叶斯学习
第2节 EM算法与高斯混合模型
第四章 基于样本的方法 8学时 马坷
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 10学时 马坷
第1节 全连接人工神经网络
第2节 深度网络
第3节 Transformer
第六章 上机作业 8学时 马坷
第1节 高斯混合模型作业
第2节 SVM作业
第3节 SVM作业
第4节 神经网络作业
第七章 分类器装配 4学时 马坷
第1节 Boosting方法
第2节 随机森林方法
第八章 无监督方法 2学时 马坷
第1节 聚类分析
第2节 PCA
第九章 流形学习 2学时 马坷
第1节 流形学习
第十章 机器学习应用案例 10学时 马坷
第1节 视觉目标检测
第2节 自监督学习与表征模型
第3节 弱监督学习方法
第4节 学术前沿讲座1
第5节 学术前沿讲座2

首席教授，叶齐祥，中国科学院大学特聘教授、优秀博士生导师、国家杰出青年科学基金获得者、卢嘉锡青年人才奖获得者、CVPR2023、NeurIPS2023 Area Chair、IEEE TCSVT、TITS编委。曾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，Duke大学访问学者。进行信息表征学习与高性能目标感知方法研究。出版专著2本，IEEE CVPR, ICCV, NeurIPS, ECCV等国际会议与TPAMI, TNNLS, TIP等国际期刊发表论文100余篇，Google引用10000+次；授权国家发明专利30余项；承担了国家自然科学基金重点项目、华为、军委科技委创新特区项目、中国火箭运载技术研究院军品采购课题。曾获中国电子学会自然科学一等奖，指导多名博士生获中科院院长奖、博士后创新人才计划、中科院百篇优秀博士论文。主讲教师，马坷，近 3 年发表 CCF-A 类期刊/会议论文（T-PAMI、T-KDE、CVPR、ACM MM、AAAI、IJCAI 等）10 余篇（包括T-PAMI 一作 2 篇），承担了基金委青年科学基金项目、博士后特别资助和面上资助等，作为子课题负责人参与了 2030-“新一代人工智能” 重大项目，并作为项目骨干参与基金委重点项目和基金委联合项目等国家和省部级项目。先后获得：中国电子学会优秀博士学位论文，中科院百篇优秀博士学位论文，国际华人数学家大会若琳奖等奖励。担任国际期刊 T-PAMIMM、T-IP、T-NNLS、T-CSVT，以及 CCF-A类国际会议 ICML、NeurIPS、CVPR、ICCV、ACM MM、IJCAI、AAAI、ICLR 的审稿人。