机器学习
分享
课程详情
课程评价
spContent=这是一门带您进入机器学习领域,从事机器学习相关研究和开发的必修课程。这门课教会您机器学习原理和方法,让您知其然,知其所以然,并通过实例让您对方法有更深的理解。课程强调机器学习的系统性、完整性,以及方法的时效性,让您体验机器学习的乐趣!
—— 课程团队
课程概述

本课程为人工智能专业重点建设课程。该课程面向计算机科学与技术、人工智能、数据科学与大数据、软件工程、网络空间安全、信息安全、电子信息类等专业,以及计算机科学与技术、软件工程、网络空间安全、信息与通信工程、控制科学与工程、车辆工程、兵器科学与技术等相关学科。课程教材受到国家出版基金资助,为北京理工大学重点规划教材。

课程系统地讲解了机器学习的理论与方法,主要内容包括:机器学习基础知识,包括机器学习基本概念、历史和发展现状、机器学习分类、性能度量;期望最大化(EM)算法,包括EM算法的相关理论、推导、收敛性分析;主题模型,包括主题建模的思想、隐狄利克雷分布模型(LDA)、吉布斯采样方法;聚类分析,包括K-means等经典聚类算法、谱聚类算法、基于约束的聚类和在线聚类算法;概率无向图模型,包括逻辑斯蒂回归模型、最大熵模型、条件随机场;概率有向图模型,包括贝叶斯网络、隐马尔可夫模型;支持向量机,包括线性支持向量机、非线性支持向量机、一分类和多分类支持向量机;神经网络,包括感知机和多层感知机、优化算法等;深度神经网络,包括卷积神经网络、循环神经网络;强化学习,包括马尔可夫决策过程、免模型的强化学习蒙特卡洛学习、TD学习、Q-Learning 和Sarsa、深度强化学习等。

课程内容丰富,有基础理论、应用技术、和工程实践。课程既适合相关专业学生,又适用于零基础和社会人士学习,让您学会各种机器学习方法,体验学习机器学习知识的乐趣。


授课目标

本课程着重讲解机器学习原理和方法,让您知其然,知其所以然,并通过实例让您对机器学习方法有更深的理解。课程强调机器学习的系统性、完整性,以及方法的时效性,达到完善学生的知识体系,拓展学生的思维方法,培养学生的机器学习分析和应用能力,并鼓励学生把理论与实践相结合。


课程大纲