这是东南大学人工智能专业核心课机器学习的线上版本。该课程涵盖了从各种角度来看机器学习的理论和实用算法的介绍性主题，使用英文进行授课。主题包括监督学习、无监督学习和学习理论。本课程旨在从头开始构建一些简单的机器学习方法，并培养学生使用机器学习模型解决实际问题的能力，锻炼学生的英文听、读、说能力，并从机器学习的角度引导学生思考新时代下社会相关产业的发展前景，提高学生的社会责任感，帮助学生完善职业规划。

本课程的目标是帮助学生掌握机器学习的核心理论和算法，培养其独立分析和解决实际问题的能力。学生将在理论学习的基础上，通过实验和实践掌握主流机器学习工具的使用，并具备以下能力：

• 理解机器学习的基本概念、主要算法及其数学原理；
• 掌握监督学习和无监督学习的核心方法，能够实现线性回归、支持向量机、决策树、神经网络等模型；
• 在学习过程中锻炼英文阅读、表达能力，提升国际化学术素养；
• 结合人工智能技术的发展趋势，拓宽行业视野，增强社会责任感和职业规划意识。

为更好地学习本课程，学生应具备一定的数学和编程基础，以便更高效地理解机器学习算法的推导和实现。建议掌握以下知识：

• 线性代数（矩阵运算、特征值分解、向量空间）
• 概率论与统计（贝叶斯定理、期望、方差、最大似然估计）
• 微积分（函数求导、梯度计算、优化方法）

• Tom M. Mitchell, Machine Learning, McGraw-Hill Education
• 周志华.机器学习.清华大学出版社
• 王贝伦.机器学习.东南大学出版社