机器学习（下）
课程编码：18087B125100M3041Z
英文名称：Machine Learning (2)
课时：32
学分：2.00
课程属性：专业课
主讲教师：田英杰
教学目的要求
本课程是MBA人工智能班的选修课，课程为32学时，2学分。本课程让学生掌握机器学习基本理论，了解基本的机器学习问题以及解决问题的经典算法，并学习到把实际中的业务问题转化为机器学习问题解决的能力。在提升学生业务能力的同时，培育并践行社会主义核心价值观，培养实事求是的工作态度和严谨求真的科学精神，使学生具备良好的职业道德。
预修课程
无
大纲内容
第一章 回归问题 2.0学时 田英杰
第1节 支持向量回归机
第2节 岭回归与Lasso回归
第二章 聚类问题 5.0学时 田英杰
第1节 聚类问题与K-均值聚类
第2节 均值漂移与密度聚类
第3节 层次聚类与支持向量机聚类
第4节 模糊聚类与高斯混合模型聚类
第5节 谱聚类与近邻传播聚类
第三章 工行案例分析 2.0学时 田英杰
第1节 客户忠诚度
第2节 客户风险偏好分析
第四章 降维 4.0学时 田英杰
第1节 线性降维
第2节 非线性降维
第五章 半监督学习 2.0学时 田英杰
第1节 半监督学习与支持向量机
第2节 标签传播与协同训练
第六章 朴素贝叶斯 1.0学时 田英杰
第1节 朴素贝叶斯
第七章 EM算法 1.0学时 田英杰
第1节 EM算法
第八章 机器学习问题热点 5.0学时 田英杰
第1节 多示例学习
第2节 多视角学习
第3节 多任务学习
第4节 迁移学习
第5节 度量学习
第九章 春雨医生案例分析 2.0学时 田英杰
第1节 自动分诊
第2节 医生推荐
第十章 强化学习 4.0学时 田英杰
第1节 强化学习概述
第2节 Q学习
第3节 深度强化学习
第4节 AlphaGo应用案例
第十一章 软件和工具详细介绍 4.0学时 田英杰
第1节 分类算法步骤展示
第2节 回归算法步骤展示
第3节 聚类算法步骤展示
第4节 降维算法步骤展示
参考书
课程教师信息
田英杰，中国科学院大学经济与管理学院副院长，中国科学院大学经济与管理学院教授，中国科学院虚拟经济与数据科学研究中心主任，中国科学院虚拟经济与数据科学研究中心研究员，中国科学院大数据挖掘与知识管理重点实验室副主任。