Hits:

Course Introduction:本课程采用易于处理的生活中的许多实例作为引例，主要介绍统计学习的基本理论与方法：包括由输入、输出、分析、实验设计及编程组成的五步建模法。主要介绍统计计算中的随机数生成的各种方法、<span>Metropolis</span>算法、马尔可夫链的蒙特卡洛法以及常见机器学习算法。重点是使学生掌握包括各种算法的主要思想和基本步骤，并通过编程练习和典型应用实例加深了解。同时对统计学习的一般理论，如随机模拟、假设空间、采样理论、计算学习理论，以及无监督学习、有监督及强化学习有所了解。同时如果学生没有用计算机编程的算法经验，我们介绍配套的<span>R</span>语言用于实际复杂问题中的典型案例。我们的目标是给学生对感兴趣或重要的复杂类问题的各种领域用简洁、准确、综合的机器学习方法的设计留下更多的创新空间。

Testing Method:大作业

School Year:2025-2026

Semester:Spring Term

Course number:(2025-2026-2)-MATH3712-01

Credits:3.0

Course Type:Undergraduate Course

Top-Quality Courses or Not:no

Maximum Number of Students:22

Required Class Hours:48.0