課程簡介
Course Introduction
本門課程適合于大三及研究生，以及對數據挖掘與機器學習感興趣的人員，主要講授經典而常用的機器學習方法（包括決策樹、神經網絡、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習等）和機器學習的進階知識（包括特征選擇與稀疏學習、計算學習理論、半監督學習、概率圖模型、規則學習以及強化學習等）。
教學大綱
Teaching Syllabus
本課程旨在對目前主流的機器學習理論、方法及算法、應用做總體介紹，包括機器學習總論、監督學習、非監督學習、統計學習、計算學習、貝葉斯學習。詳細闡述各種學習的理論、模型、算法及應用。課程強調理論與應用結合。
要求學生對國際上機器學習研究及應用領域的現狀和發展有較全面地把握和及時了解，掌握其中的主流學習方法和模型，并能根據實際問題的需要選擇并實現相應的算法。
