课程将关注“从人工智能角度理解模式识别，用模式识别原理解决工程问题”，与您一起走入模式识别技术带来的人工智能奇境。

本课程有3个层次的学习目标：

目标1—理解掌握模式识别的基础知识：通过课程学习，使学习者知悉模式识别技术的基本概念、基本理论、基本算法和应用方式，理解模式识别的主要研究内容、研究方向和研究方法，掌握统计模式识别和结构模式识别的基础算法；

目标2—分析设计模式识别的解决方案：通过课程学习、工程案例分析和算法实现练习，使学习者能够分析来自生产实践中的工程性模式识别问题，并能够依据所学基础知识，选择运用合适的模式识别算法和技术提出具体的系统性解决方案；

目标3—编程实现模式识别和深度学习的算法系统：通过课程学习、工程案例分析和算法实现练习，使学习者能够针对工程性模式识别问题进行模式识别系统的数学建模，并通过计算机技术实现所设计的系统，同时能够评估系统的识别效果和不足，理解算法的局限性。基于百度飞桨深度学习平台完成手写数字识别、人脸识别和目标检测实践。

本课程的特色可以概括为：基础性、趣味性、实践性

1. 通过课程学习，使学习者知悉模式识别技术的基本概念、基本理论、基本算法和应用方式，理解模式识别的主要研究内容、研究方向和研究方法，掌握统计模式识别和结构模式识别的基础算法；

2. 通过课程学习、工程案例分析和算法实现练习，使学习者能够分析来自生产实践中的工程性模式识别问题，并能够依据所学基础知识，选择运用合适的模式识别算法和技术提出具体的系统性解决方案；

3. 通过课程学习、工程案例分析和算法实现练习，使学习者能够针对工程性模式识别问题进行模式识别系统的数学建模，并通过计算机技术实现所设计的系统，同时能够评估系统的识别效果和不足，理解算法的局限性。

4. 通过课程学习，掌握百度飞桨平台基本使用方法，基于百度飞桨深度学习平台完成手写数字识别、人脸识别和目标检测实践。

研究报告50%（线下）、作业，课堂测验和互动表现30%（线上）、课程实践20%（线下）。

概率论与数理统计、线性代数的基础知识。

刘家锋等，模式识别(第2版)，哈尔滨：哈尔滨工业大学出版社 2017

Richard O. Duda, Peter E. Hart, and David G. Stork. Pattern Classification (Second edition), John Wiley & Sons, Inc., New York, 2001

Ian Goodfellow, Yoshua Bengio and Aaron Courville著，赵申剑等译，深度学习，北京：人民邮电出版社，2017

周志华，机器学习，北京：清华大学出版社，2016

Sergios Theodoridi and Konstantions Koutroumbas, Pattern Recognition(Fourth edition), Elsevier, 2009

高随祥等，深度学习导论与应用实践，北京：清华大学出版社，2019