高级机器学习
- Release time:2026-01-05
- Hits:
Course Introduction:
本课程全面、系统的介绍机器学习的数学原理和常用算法,主要包括机器学习的关键理论、有监督学习的经典算法和无监督学习理论与方法。重点内容是感知机、K紧邻算法、贝叶斯算法、决策树模型、Logistic回归和最大熵模型、Adaboost、EM算法及其推广方法。难点是理解统计机器学习的理论、贝叶斯方法及EM算法及其求解等。通过本课程中基本概念和基本定理的阐述和论证,培养研究生在数据科学领域的分析、建模和算法设计能力,为研究生的人工智能相关研究提供理论分析和算法设计的基础能力,提高研究生对前沿知识的掌握,为学习后继课程、开展科学研究打好基础。
Target Students:
硕士研究生
Semester:
Autumn Term
Course number:
02
Credits:
2.0
Course Type:
Postgraduate Course:
Top-Quality Courses or Not:
no
Required Class Hours:
32.0
Courses and reference books:
李航 ,《机器学习方法》,清华大学出版社