统计机器学习doc.doc

《统计机器学习doc.doc》由会员分享，可在线阅读，更多相关《统计机器学习doc.doc（3页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、统计机器学习统计机器学习课程教学大纲课程教学大纲编号：C3/研部 03/002一、课程名称一、课程名称1中文名称： 统计机器学习2英文名称：Statistical Machine Learning二、课程概况二、课程概况课程类别：课程类别：选修课 学时数：学时数： 32 学分数：学分数：2适用专业：适用专业：计算机专业 开课学期：开课学期：二开课单位：开课单位：信息工程学院计算机系三、大纲编写人：三、大纲编写人：魏莱四、教学目的及要求四、教学目的及要求目的：大规模智能数据处理已经成为大数据时代最重要的一门科学。统计机器学习是大规模智能数据处理的核心技术。本课程主要目的是了解和掌握统计机器学习的

2、基本概念、基本理论和方法，能够利用统计机器学习的技术方法进行大规模数据分析和处理。 要求：（1）掌握数据分析及机器学习的基本概念、基本理论。（2）掌握统计机器学习中聚类、分类、回归等基本问题的处理方法。（3）掌握机器学习的最新方法，包括强化学习、集成学习、子空间学习、稀疏学习、概率图模型等前沿技术；（4）掌握 Matlab 语言，并能够结合机器学习的方法进行现实大规模智能数据处理。五、课程主要内容及先修课程五、课程主要内容及先修课程主要内容：1.机器学习方法概述。监督学习、无监督学习、半监督学习概念。模型选择与评估方法；2.基于概率的机器学习方法。朴素贝叶斯方法、参数估计方法，决策树方法，期望

3、最大化方法；3.神经网络。感知机与前馈神经网原理，深度神经网络基本概念；4.降维与度量学习。包括子空间学习理论、稀疏表示理论、低秩表示理论、核方法。5.概率图模型。隐马尔科夫模型，条件随机场。6.集成学习与强化学习。Boosting 方法与随机森林，模仿学习。先修课程：概率论与数理统计、线性代数、高级语言程序设计六、课程教学方法六、课程教学方法1、教室要求：多媒体教室2、课件来源：自制3、其他教学手段：课堂讲授为主、鼓励提问和讨论；课后项目作业，包括利用某特定的机器学习方法，解决某一机器学习领域中的问题，并提交论文。七、课程考核方式七、课程考核方式考试或论文。八、课程使用教材八、课程使用教材周

4、志华，机器学习，清华大学出版社，2016 年。九、课程主要参考资料九、课程主要参考资料1 李航，统计机器学习， 清华大学出版社，2012 年 3 月。2 JPMarques de sa，模式识别原理、方法及应用，清华大学出版社，2002。3 Hastie T, Tibshirani R, Friedman J. The Elements of Statical Learning: Data Ming, Inference, and Predection, Springer 2001.4 Tom M Michelle, Machine Learning. McGraw-Hill Companies, Inc. 19975 Bishop M. Pattern Recognition and Machine Learning. Springer, 2006分委员会主席签字： 年 月 日主管院长签字： 年 月 日注：（1）英文课程名称务必写准确；（2）需编写的内容统一用宋小四号，行间距固定值 22 磅。