課程內(nèi)容：

人工智能機(jī)器和軟件必須從環(huán)境中吸收數(shù)據(jù)并據(jù)此做出決策。同樣，我們生活在一個(gè)數(shù)據(jù)豐富的社會(huì)，必須能夠理解復(fù)雜的數(shù)據(jù)集。本課程將向你介紹從數(shù)據(jù)中學(xué)習(xí)的機(jī)器學(xué)習(xí)方法。你將從理論角度了解主要的學(xué)習(xí)范式，并通過一系列研討會(huì)獲得實(shí)踐經(jīng)驗(yàn)。課程的重點(diǎn)將放在處理真實(shí)數(shù)據(jù)上，你將使用、修改和編寫軟件來實(shí)現(xiàn)學(xué)習(xí)算法。此外，課程還將涉及一些最新的神經(jīng)網(wǎng)絡(luò)架構(gòu)和相關(guān)學(xué)習(xí)算法。

課程目標(biāo)：

本課程旨在讓學(xué)生掌握機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，同時(shí)討論一些著名機(jī)器學(xué)習(xí)模型和相關(guān)學(xué)習(xí)算法的技術(shù)問題。課程將為分類、回歸和無監(jiān)督方法（聚類和降維）的機(jī)器學(xué)習(xí)和統(tǒng)計(jì)技術(shù)的理論和應(yīng)用提供全面的基礎(chǔ)。同時(shí)，課程將涵蓋核方法和神經(jīng)網(wǎng)絡(luò)（僅限前饋架構(gòu)）。

教學(xué)大綱：

1、機(jī)器學(xué)習(xí)和統(tǒng)計(jì)建模中的問題和方法分類

2、監(jiān)督學(xué)習(xí)（分類和回歸）：決策樹；基于相似性的學(xué)習(xí)；基于誤差的學(xué)習(xí)；神經(jīng)網(wǎng)絡(luò)概念；集合學(xué)習(xí)概念；模型和分類器評(píng)估。

3、無監(jiān)督學(xué)習(xí)：聚類（分層、分區(qū)和基于密度的聚類）；聚類評(píng)估；關(guān)聯(lián)規(guī)則。

4、數(shù)據(jù)描述和預(yù)處理：處理不平衡和重采樣；缺失值和估算；噪聲和異常值檢測(cè)；特征選擇。

學(xué)習(xí)成果：

成功完成本課程后，你應(yīng)該能夠：

1. 將統(tǒng)計(jì)和神經(jīng)模式識(shí)別原理應(yīng)用于新的數(shù)據(jù)。

2. 分析新的模式識(shí)別和分類問題，為其建立模型并編寫軟件加以解決。

3. 利用一系列監(jiān)督和非監(jiān)督模式識(shí)別和機(jī)器學(xué)習(xí)技術(shù)來解決各種問題。

4. 說明建立模式識(shí)別原理模型的重要性和難度。

5. 使用 Python 或其他編程語言進(jìn)行科學(xué)分析和模擬。

6. 確定將理論轉(zhuǎn)化為實(shí)踐時(shí)必須做出的妥協(xié)和權(quán)衡。

7. 批判性地閱讀和報(bào)告研究論文。