机器学习方法与应用
课程编码：480139081000P1005
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：孙俊喜
教学目的要求
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。
预修课程
微积分、线性代数、概率论
大纲内容
第一章 机器学习概述 3.0学时 孙俊喜
第1节 机器学习概述
第2节 决策树学习
第二章 数据回归 1.0学时 孙俊喜
第1节 数据回归
第三章 基于概率的方法 2.0学时 孙俊喜
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 8.0学时 孙俊喜
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 神经网络 8.0学时 孙俊喜
第1节 全连接人工神经网络
第2节 深度网络
第3节 RNN与Transformer
第4节 生成模型
第六章 编程实践 8.0学时 孙俊喜
第1节 上机作业课
第七章 分类器装配 4.0学时 孙俊喜
第1节 Boosting方法
第2节 随机森林方法
第八章 无监督学习 2.0学时 孙俊喜
第1节 聚类分析
第2节 PCA
第九章 数据降维 2.0学时 孙俊喜
第1节 数据降维
第十章 前沿讲座 10.0学时 孙俊喜
第1节 前沿讲座
第十一章 考试 2.0学时 孙俊喜
第1节 考试
参考书
1、
机器学习方法
李航
2022年1月
清华大学出版社
课程教师信息
孙俊喜教授讲授课程