课程名称：机器学习（全英）

课程类别：专业选修课

学分：2

先修课程：人工智能

考核方式：闭卷考试

授课老师：蒋志华

教学目标：

这门课程对机器学习和统计模式识别进行全面的介绍。主要内容包括：有监督学习、无监督学习、学习理论、强化学习、自适应控制。这门课程还讨论机器学习的最新应用，例如机器人控制、数据挖掘、自动导航、生物信息学、语言识别、文本和网络数据的处理等。

教学要求：

学生应具有以下背景知识：

Ÿ   了解基本的计算机科学原理，具有一定的编程能力；

Ÿ   熟悉概率论知识。

教学内容：

Ÿ   简介：介绍机器学习的基本概念

Ÿ   有监督学习：朴素贝叶斯网、支持向量机、特征选择、集成式方法

Ÿ   学习理论：VC维、偏置

Ÿ   无监督学习：聚类、K均值算法、EM算法、主成分分析

Ÿ   加强学习和控制：MDPs、POMDPs、Bellman方程、值迭代和策略迭代、Q学习、值函数逼近

教材：

《统计学习基础(第2版)》(英文), T.黑斯蒂著, 世界图书出版公司; 第1版 (2015年1月1日), ￥93.4, ISBN：9787510084508