《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。