Course Introduction:<div align="center">    <table class="MsoNormalTable" border="1" cellspacing="0" cellpadding="0" width="100%" style="width: 100.0%;border: none;">        <tbody>            <tr>                <td width="75%" style="border: solid windowtext 1.0pt;">                    <p class="MsoNormal" align="left">                        <span style="">本课程为专业科技创新课程，授课对象是计算机专业或具有先修课程基础的非计算机专业学生。主要教学内容包括：<span>1</span>）介绍机器学习的基本概念、感知机、多层感知机和支持向量机的基本原理和学习算法；<span>2</span>）介绍海量数据挖掘任务的问题分解方法、超并行机器学习的代表性框架以及并行程序设计的基本原理和实现方法；<span>3</span>）指导学生在课程大作业中构建和实现一个大规模并行专利分类器。教学目标主要包括：<span>1</span>）让学生了解超并行机器学习的基本方法和如何将超并行机器学习技术应用于解决实际的海量数据挖掘问题；<span>2</span>）让学生了解实现超并行机器学习所需要的并行程序设计方法和并行计算机系统；<span>3</span>）让学生了解目前机器学习算法用于解决海量数据挖掘任务存在的问题和局限性；<span>4</span>）培养学生对机器学习和数据挖掘研究的兴趣，提高学生应用机器学习技术解决大规模学习问题的能力。<span></span></span>                    </p>                </td>            </tr>        </tbody>    </table></div>
Testing Method:其他
School Year:2022-2023
Semester:Spring Term
Course number:(2022-2023-2)-CS3507-01
Credits:2.0
Course Type:Undergraduate Course
Top-Quality Courses or Not:no
Maximum Number of Students:50
Required Class Hours:32.0