授课教师：230551

总学时：34

课程教材：《机器学习(Python+sklearn+TensorFlow 2.0)》是2020年清华大学出版社出版的图书，作者是王衡军 ISBN: 9787302559283

先修课程：《高等数学》《线性代数》《概率统计》

主要参考书目：

《机器学习》，周志华，清华大学出版社，出版时间：2016-01-01，ISBN：9787302423287

[1]. 《Introduction to Data Mining》Pang-Ning Tan著， Pearson Education Limited，出版时间：2019-05-31，ISBN编号：9780273769224。

[2]. 《Mining Massive Datasets》， Anand Rajaraman, Jeff Ullman, and Jure Leskovec，Cambridge University Press，出版时间：October 2011， 出版时间：9781107077232

课程内容简介（中文）：本课程内容包括数据处理，经典机器学习模型和流行深度学习模型三大块，旨在使学生掌握经典且应用广泛的机器学习方法，并结合实际问题进行分析和解读，更好地满足现实中利用数据进行分类和预测等需求。对于数据处理，课程将从数据格式讲起，随后介绍数据相似度及距离度量方法，还有数据降维方法。特别地，对于数据降维方法，本课程将围绕SVD分解具有的一系列性质进行导入，让学生对降维背后的数理知识具备更好的理解。 对于经典机器学习模型，课程将划分为无监督学习，有监督学习以及强化学习三大块。无监督学习包括k均值聚类方法，层次聚类方法以及DBSCAN基于密度的聚类方法。有监督学习包括线性回归，逻辑回归，k近邻分类，决策树，支持向量机，朴素贝叶斯，神经网络等。最后对于强化学习，本课程将简述其近几年在各个场景所取得的代表性突破。随后采用迷宫突围的例子做为引入，介绍Q-learning的方法，在此基础上引入DQN即深度Q学习的介绍。对于当下流行的深度学习模型，本课程择取了图卷积神经网络以及编码器解码器等模型进行讲解。 本课程在介绍模型方法时讲以其背后的数理知识为重点，着重培养学生的理解能力，为学生以后从事机器学习研究领域或者开发相关应用打下坚实基础。

课程内容简介（英文）：