课程简介
Course Introduction
本门课程适合于大三及研究生，以及对数据挖掘与机器学习感兴趣的人员，主要讲授经典而常用的机器学习方法（包括决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习等）和机器学习的进阶知识（包括特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等）。
教学大纲
Teaching Syllabus
本课程旨在对目前主流的机器学习理论、方法及算法、应用做总体介绍，包括机器学习总论、监督学习、非监督学习、统计学习、计算学习、贝叶斯学习。详细阐述各种学习的理论、模型、算法及应用。课程强调理论与应用结合。
要求学生对国际上机器学习研究及应用领域的现状和发展有较全面地把握和及时了解，掌握其中的主流学习方法和模型，并能根据实际问题的需要选择并实现相应的算法。
