授课教师：190014,190248,200010

总学时：72

课程教材：机器学习方法/李航著.--北京: 清华大学出版社, 2022, ISBN 978-7-302-59730-8

先修课程：高等数学一、概率统计（理工类）、线性代数

主要参考书目：

机器学习/周志华著.--北京: 清华大学出版社, 2016

[1]. Aurélien Géron. Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, 2nd Edition, O'Reilly Media, 2019.

课程内容简介（中文）：机器学习是关于在计算机上通过计算的手段，从数据中学得模型，并运用模型对数据进行分析和预测的一门学科。机器学习可通过非显示编程来使得机器完成智能任务，目前已经成为实现人工智能的有效且热门的途径。基于机器学习的应用也渗透到了我们日常生活的方方面面。本课程提供机器学习的入门基础讲解与基本实践，让学生能够较为全面地了解并掌握机器学习这门学科的经典问题、常用方法和基础技能，包括监督学习（线性模型、感知机、K近邻法、朴素贝叶斯法、决策树、逻辑斯蒂回归、支持向量机、集成学习、神经网络）、无监督学习（聚类、主成分分析）。

课程内容简介（英文）：