武汉大学研究生课程简介和教学大纲 - 《机器学习》.docx

武汉大学研究生课程简介

开课单位

数学与统计学院

课程名称（中）：机器学习

课程名称（英）：MachineLearning

课程类型

专业硕士选修课

授课对象：应用统计专业硕士研究生

课程学分

3学分

课程学时：48学时

授课方法

讲授

考核方式：课程论文

任课教师

（负责人）

姓名：张正良

职称：副教授

联系方式任课教师

（团队成员）

姓名：刘伟

职称：教授

联系方式姓名：

职称：

联系方式：

教学目标

机器学习事实上就是通过电脑强大的运算能力学习出有效的数学模型，并通过学得的模型来对相关问题进行预测或给出决断。而想要学得好的模型，高效且相对精确的算法是关键。本课程就是给学生传授一些基本算法，特别注重对算法原理的解释，

让学生不仅对基本算法有一定的掌握，并且能在一定程度上对这些算法进行创新性的改进与应用。

主要

教学

内容

主要内容包括各种常用算法、提升模型的泛化能力的方法以及对数据的一些相关处理。常用算法有决策树、支持向量机、集成算法、EM算法、聚类算法、神经网络等；提升泛化能力的方法有正则化、降维与特征筛选等。

教材及

参考书

周志华：机器学习

伊恩.古德费洛等：深度学习

冈萨雷斯：数字图像处理

单位审核

主管领导（签章）：

时间：年月日

武汉大学研究生课程教学大纲

周次

教学内容（包括课堂讲授、实验、讨论、考试等）

备注

1

机器学习总览：包括的研究对象、目的、方法；

模型建立基本流程及模型评估；采样方法.

2

决策树：ID3算法、C4.5算法.

3

决策树：CART算法；剪枝、缺失值处理.

4

支持向量机：正则化、核函数.

5

EM算法：ExpectationMaximization.

6

集成算法之并行算法：随机森林.

7

集成算法之串行算法：Boosting.

8

聚类算法：K-Means算法、高斯混合聚类、密度聚类.

9

半监督学习.

10

降维与特征筛选：主成分分析.

11

降维与特征筛选：KNN、稀疏表示.

12

神经网络：架构、BP算法.

13

神经网络：CNN、RNN.

14

神经网络应用之图像处理.

15

神经网络应用之图像处理.

16

总结或考试.