Hits:

Course Introduction:该课程主要内容为机器学习的基本理论与基本方法。主要介绍机器学习的经典分支包括（但不限于）：1）、监督学习，重点介绍线性回归等回归模型、支持向量机等分类模型，以及Boosting等集成学习模型；2）、无监督学习，重点介绍K-means等聚类模型，以及自监督学习；3）、神经网络，重点介绍BP等传统神经网络模型，以及深度学习等模型；4）、机器学习前沿算法及应用，如迁移学习、强化学习等前沿，以及机器学习技术在图像目标检测、行为识别等领域的应用情况。课程教学主要讲授各算法的基本原理与推导过程，应用等，旨在让学生掌握各机器学习算法的算法思路及实现原理。课程亦包含机器学习各大算法的典型案例分析与动手实践模块，通过3次作业形式让学生选择经典机器学习模型进行代码仿真与分析验证，进一步加深对机器学习理论及算法应用的理解。课程以南京大学周志华教授的《机器学习》（清华大学出版社，2016）、李航《统计学习方法》（清华大学出版社，2019）为参考教材。

Testing Method:笔试

School Year:2024-2025

Semester:Autumn Term

Course number:(2024-2025-1)-ICE2304-01

Credits:3.0

Course Type:Undergraduate Course

Top-Quality Courses or Not:no

Maximum Number of Students:44

Required Class Hours:48.0