专业选修课介绍
机器学习（英文）
更新时间：2016-07-04 点击数：
1、授课方式：双语教学：即，课堂讲授采用中文，PPT主要采用英文，参考书采用英文原版书；
2、课时：48学时（含实验）
3、参考书：1) Kevin P. Murphy, Machine Learning, A Probabilistic Perspective
2) Trevor Hastie, Robert Tibshirani, Jerome Friedman,
The Elements of Statistical Learning
4、课程简介
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
本课程主要从统计学角度介绍机器学习的基本概念、线性回归模型，Logistic分类模型（内容主要涵盖参考书1)的前8章，参考书2)的前4章、第7章）。附件，参考书1)目录。
课程的实验部分使用R语言。
5、需要的基本知识： 概率论与数理统计，线性代数；可能适合于有继续深造读研计划的学生；
6、授课教师： 李济洪，王瑞波
相关附件：
Machine learning A ProbabilisticPerspective