01机器学习-绪论.pdfVIP

1 机器学习-机器学习概论 项德良 xiangdeliang@ 2022年09月 课程的主要目的 2 • 机器学习已经成为一种解决诸 多问题的有效工具 ，是 多学 科 交叉的领域 ，应用面广泛； • 考虑人工智能专业学生的知识基础 ，以面向人工智能应用 为 目标 ，开设 “机器学习”课程 ； • 为学生掌握机器学习的本质和算法，以解决实际问题和为 开展 与本方向相 关的研 究打下基础 。 本课程的主要内容 3 • 课时要求：周3学时，秋季学期 • 机器学习的基本知识 （15学时） – （基本概念、统计基础、回归学习、分类学习的基本算法，机器学习理论 简介） • 核 方法和支持 向量机 （4 学时） • 决策树和集成学习 （5学时） • 神经网络+深度学习 （9学时） • 无监督学习 （聚类、EM 算法、降维和隐变量学习） （3学时） • 强化 学习+深度强化 学习 （6学时） 本课程内容的平衡性 4 • 深度学习很重要 ，尤其几种商业化应用：计算机视 觉、语音识别、 自然语言处理、 推荐 系统等，既有 大数据 支持 ，又可以通过大规模计算系统进行训练 （学习） ，取 得许 多重要进展 。但并不是所有应用都有必要使用深度学习，许 多问题用传统机器 学习已可以取得很好 的结果； • 目前神经网络的第三次复兴 （以前有两次衰落过程） ，但并不能证 明深度学习就是 智能技术的终极方法，其他方法的延 申或新方法仍有可能取得 突破 ； • 作 为机器学习的基础课程 ，在几种主要机器学习方法 （包括深度学习作 为一种重要 方法）之 间掌握优缺点和适用范围，更深刻 了解人工智能、机器学习、深度学习的 关系。 教材和参考资料 5 • 教材 ： 张旭 东， 《机器学习导论》 ，清华大学出版社 ，2022年 • 参考书 周志华，机器学习，清华大学出版社 ，北京，2016年 李航 ，统计学习方法，清华大学出版社 ，北京，2019年 • 在 线课程 斯坦福深度学习课程 (/wiki/index.php/UFLDL_Tutorial) ，介绍无监督 功能学习和深度学习的主要思想。本课程 理论与实践相结合，着重介绍实 践 中遇到的问题 以及如何解决。 • 资源下载 （电子教材、参考书、在 线课程和代码） /u112088/daznxp 课程考核 6 • 作业 ：习题+仿真实验报告 • 考试成绩 ：课后 习题作业 （15%）+ 仿真实验报告 （20%）+ 期 末考试 （65%）。 • 预先要求：要求python编程能力，若没有python编程基础 ， 请 自学。 • 助教有一个关于编程和project 的指导性讲座 “机器学习”课程与其他课程的关系 7 n 与 “模 式识别”的关系 n 狭 义讲 ， “模 式识别”是一种任务 ， “机器学习”是一种通用工具 ，是 目前模 式识别用的最多的工具。 n 与 “现代信号处理”的关系 n 现代 （自适应）滤波技术与机器学习的回归问题本质上是相 同的，盲信号处理