1.我为什么要学习这门课？

    机器学习是人工智能的重要组成和技术基础，伴随着人工智能几十年的发展，期间几次大起大落。作为机器学习的高级阶段，最近几年深度学习算法在自然语言处理、语音识别、图像处理等领域的突破应用和广泛接受。这也标志着机器学习已经彻底迈出实验室大门，走向实践，推动着人工智能向更高阶段发展。数据应用和人工智能发展已经引起了全球关注。企业对机器学习的人才需求增大，与之密切相关的数据科学家、数据挖掘工程师、大数据分析师、机器学习工程师等数据分析类人才成为本世纪最有吸引力的职业。根据相关企业估计，上述人才的增长高峰将持续6-8年。本课程就是对人工智能感兴趣的学员准备的。

2.这门课的主题是什么？

    在学习传统的机器学习理论的基础上，讨论机器学习的典型算法原理与应用，为实践打下坚实的基础。

3.学习这门课可以获得什么？

    理解机器学习的基本原理、基本算法及其典型应用，并使用主流的机器学习算法实现在典型领域的具体应用。

4.这门课有什么特色和亮点？

深度学习是一门理论和实践并重的课程，其中的内容比较多，很多算法也有一定的难度。深度学习的应用也需要一定的经验和技巧。本课程参阅了大量文献资料，结合过去多年的数据分析研究和项目实践，深入浅出，学生在可以钻研深度学习的算法以及应用。课程通过大量的选择题、填空和判断题检验和巩固学员对基本知识的理解。

5.这门课的学习方法建议

    建议结合教材《机器学习》（周志华，清华大学出版社，2016）《机器学习》（人民邮电出版社，2018）、《机器学习案例实战》（人民邮电出版社，2019）、《Python机器学习实战案例》（清华大学出版社，2019）学习，打好基础，线下动手练习，循序渐进。在此基础上，进一步提升机器学习算法所使用的数学基础，参阅《凸优化》。

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

成绩视学校开学时间而定。整个课程32课时，按比例折算，网课成绩=网课统计分数（满分100分）*网课实际开课课时/32，线下面授成绩=线下成绩分数（满分100分）*线下面授开课课时/32。暂时网课成绩有测验（80%）、签到（10%）、讨论（10%）。

1. 线性代数

2. 概率统计

3. python或者matlab语言

   
   

1. 斯坦福大学机器学习视频 https://www.bilibili.com/video/av80425719/

2. 王书宁，许鋆，黄晓霖译.凸优化[M].北京：清华大学出版社，2019.