机器学习方法
课程编码：480132081203D2003
英文名称：Methods of Machine Learning
课时：60
学分：3.00
课程属性：专业核心课
主讲教师：常虹等
教学目的要求
本课程旨在帮助低年级博士生掌握机器学习基本理论、模型和方法，以及比较前沿的研究问题和思路。
预修课程
概率、统计、线性代数等
大纲内容
第一章 机器学习基础 2.0学时
第1节 课程导论（2学时）
第2节 机器学习框架（3学时）
第3节 机器学习理论（1学时）
第二章 深度学习 4.0学时
第1节 深度学习：核心模型和优化（4 学时）
第2节 深度学习：近似和泛化（1 学时）
第3节 机器学习流程与实践（1学时）
第4节 图神经网络（3 学时）
第5节 计算机视觉（3学时）
第6节 自然语言处理（3学时）
第7节 语音处理（3学时）
第8节 预训练（3学时）
第三章 Beyond深度学习 3.0学时
第1节 迁移学习（3学时）
第2节 梯度提升树（2学时）
第3节 强化学习（4 学时）
第4节 生成模型（3 学时）
第5节 元学习和AutoML（3学时）
第6节 合作和对抗机器学习（3学时）
第四章 课程总结 5.0学时
第1节 课程大作业汇报会（5学时）
第2节 机器学习的未来趋势（1学时）
参考书
1、
"Deep learning.
Pattern Recognition and Machine Learning.
The Elements of Statistical Learning.
"
"Ian Goodfellow, Yoshua Bengio and Aaron Courville;
Christopher M. Bishop;
Trevor Hastie, Robert Tibshirani and Jerome Friedman "
"2016
2006
2001"
"The MIT Press;
Springer;
Springer"
课程教师信息
常虹老师为机器学习方面的专家。秦涛老师是强化学习和AI4Science领域专家，陈薇老师是机器学习算法安全专家。