课程简介

机器学习是人工智能的核心，涉及诸如统计学、计算机、凸分析以及微分学等多领域知识，内容广泛、实践性强、新技术新方法多。本课程主要介绍机器学习的简史和基本概念、原理、方法及其相关应用，包括：

（1）一路走来：机器学习发展史；

（2）模式本质：特征表示与学习；

（3）分门别类：分类器原理与设计；

（4）看懂区别：分类与聚类；

（5）识图认物：图像识别与视频理解；

（5）识文断字：文本分析与理解；

（6）产业应用：人脸识别、视频监控、画作鉴定、围棋高手、海关边防、安全监控等等。

教学目标

本课程是一门理论基础与先进实践技术相结合的“新工科”课程，具有多领域交叉特性。其教学目标是使学生通过课程学习，掌握机器学习的基本概念和原理；熟悉模式分类的基本过程和框架；了解线性模型、决策树学习、支持向量机、神经网络、图像识别基本方法、视频分析基本原理以及文本分析基本方法；熟悉机器学习原理与方法在各个领域/行业的应用。丰富我校本科生的知识体系，拓展其思维与视野，为我校学生今后从事人工智能研究和开发打下良好的基础。

教材、参考书与考核方法

1. 教材

周志华,《机器学习》，清华大学出版社，2016

2. 参考书

（1）Tom Mitchell著, 曾华军, 张银奎 等译,《机器学习》，机械工业出版社，2003

（2）Peter Flach著，段菲 译,《机器学习》，人民邮电出版社，2016

（3）于  剑 著，《机器学习：从公理到算法》，清华大学出版社，2017 

3. 考核方法

平时成绩+期末大作业成绩，其中

（1）平时成绩由出勤、分组讨论、作业质量等组成

（2）大作业：提交一份机器学习算法在相关领域应用的进展报告

报告评价标准如下

语言：准确性、精简性、逻辑性

组织：清晰合理的小节和段落

格式：学术论文体例（标题、摘要、关键词、正文、参考文献）

见解：根据对所选课题的理解，表达出自己的见解（特别重要）