点击次数：

课程介绍：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。

面向对象：硕士研究生

开课学期：秋学期

课程号：02

学分：2.0

课程类型：研究生课程

是否精品课程：否

课时：32.0

教材及参考书：李航 ，《机器学习方法》，清华大学出版社