密歇根大學(xué)ECE研究生DS/ML(數(shù)據(jù)科學(xué)和機器學(xué)習(xí))專業(yè)的課程旨在讓學(xué)生具備數(shù)據(jù)科學(xué)和機器學(xué)習(xí)的理論知識和實踐技能，以便在傳感、控制、推理、規(guī)劃和決策的現(xiàn)代工程系統(tǒng)中工作。課程強調(diào)了嚴(yán)格的理論、實踐操作和發(fā)展大規(guī)模復(fù)雜工程系統(tǒng)的計算推理技能。對于DS/ML專業(yè)的新生來說，如果要提前進(jìn)行課程預(yù)習(xí)，可以繼續(xù)閱讀本指南，以了解該專業(yè)核心課程的主要內(nèi)容，而后做出具體的預(yù)習(xí)規(guī)劃。

1、EECS 501 概率和隨機過程，4

該課程介紹了概率和隨機過程。主題涵蓋：概率公理，西格瑪代數(shù)，隨機向量，期望，概率分布和密度，泊松和維納過程，平穩(wěn)過程，自相關(guān)，譜密度，濾波效果，線性最小二乘估計和隨機序列的收斂。

2、EECS 504 計算機視覺基礎(chǔ)，3

該課程為從圖像中提取有用信息奠定了基礎(chǔ)。主題涵蓋：可視內(nèi)容的表示(例如，函數(shù)、點、圖形)；視覺不變性；視覺內(nèi)容的數(shù)學(xué)和計算模型；視覺優(yōu)化方法。

3、EECS 505/ 551 計算DS和ML / SP數(shù)學(xué)方法，4

(1)EECS 505

該課程介紹了大型數(shù)據(jù)集中識別模式和異常值的計算方法。主題涵蓋：奇異值和特征值分解、獨立成分分析、圖形分析、聚類、線性、正則化、稀疏和非線性模型擬合、深度、卷積和遞歸神經(jīng)網(wǎng)絡(luò)。

(2)EECS 551

該課程介紹了信號處理、數(shù)據(jù)分析和機器學(xué)習(xí)的矩陣方法的理論和應(yīng)用。理論主題涵蓋：子空間，特征值和奇異值分解，投影定理，約束，正則化和無約束最小二乘技術(shù)和迭代算法。應(yīng)用主題涵蓋：圖像去模糊、網(wǎng)頁排名、圖像分割和壓縮、社交網(wǎng)絡(luò)、電路分析、推薦系統(tǒng)和手寫數(shù)字識別。

4、EECS 542 視覺處理，3

本課程討論了計算機視覺領(lǐng)域的前沿課題和當(dāng)前研究。主題將從不同的子領(lǐng)域中選擇，如基于物理學(xué)的視覺、幾何學(xué)、運動和跟蹤、重建、分組和分割、識別、活動和場景理解、統(tǒng)計方法和學(xué)習(xí)、系統(tǒng)和應(yīng)用。

5、EECS 545/553 機器學(xué)習(xí)，3

該課程介紹了監(jiān)督、非監(jiān)督和順序?qū)W習(xí)的基礎(chǔ)，包括線性和非線性回歸、邏輯回歸、支持向量機和核方法、決策樹、集成方法、神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)、降維、聚類和概率模型。EECS 545強調(diào)實際數(shù)據(jù)的實現(xiàn)和應(yīng)用，包括算法和基本原理的推導(dǎo)。EECS 553強調(diào)算法及其從基本原理的衍生，包括對真實世界數(shù)據(jù)的應(yīng)用。

6、EECS 556 圖像處理，3

該課程介紹了數(shù)字圖像處理的理論與應(yīng)用。主題涵蓋：采樣、濾波、2D傅立葉變換、插值、邊緣檢測、增強、去噪、恢復(fù)、分割、圖像的隨機場模型、貝葉斯方法、小波和稀疏模型。應(yīng)用涉及：光學(xué)成像、生物醫(yī)學(xué)圖像、視頻和圖像壓縮。

7、EECS 564 估計、濾波和檢測，3

該課程介紹了估計、線性濾波和檢測原理。估計：線性和非線性最小均方誤差估計，以及其他策略。線性濾波：維納和卡爾曼濾波。檢測：簡單，復(fù)合，二元和多重假設(shè)。尼曼-皮爾遜和貝葉斯方法。

8、EECS 568 移動機器人，4

該課程介紹了自主移動機器人概率技術(shù)的理論與應(yīng)用。課程將呈現(xiàn)并批判性地檢驗機器人感知(使用各種模態(tài))、狀態(tài)估計、地圖繪制和路徑規(guī)劃的當(dāng)代算法。主題涵蓋：貝葉斯過濾；環(huán)境的隨機表示；移動機器人的運動和傳感器模型。

上述密歇根大學(xué)ECE研究生DS/ML專業(yè)的核心課程中，你必須獲得大于等于9學(xué)分才能滿足學(xué)位要求。你可以基于這些課程的整體概述來規(guī)劃將要預(yù)習(xí)的內(nèi)容，從而為研究生階段的學(xué)習(xí)打好基礎(chǔ)。