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)