课 程 号: 00137170
课程名称: 机器学习基础
开课学期: 春
学分: 3
先修课程: 计算方法、概率论与数理统计
基本目的: 该课程面向91桃色视频应用数学相关专业本科生开设， 旨在介绍机器学习的基本问题、方法、模型、算法和相关理论基础， 为学生进一步从事机器学习领域相关研究和应用提供基础。
内容提要：
一、 机器学习介绍 (2学时)
二、 计算学习理论 (16学时)
? 笔础颁学习理论
? 有限假设空间
? Rademacher 复杂度
? VC维
? 稳定性
? 非一致可学习性(Non-uniform Learnability)
? 偏差复杂性权衡(Bias-complexity Trade-off)
? 无免费午餐定理
? 结构风险最小化
? 模型选择
叁、 模型与算法 (18学时)
? 线性与广义线性模型
? 凸学习模型
? 决策树
? 随机梯度下降法
? 支持向量机与核方法
? 神经网络学习
? 贝叶斯分类
? 集成学习
? 概率图模型初步
四、 专题选讲 (12学时)
? 多类别分类
? 聚类
? 降维与度量学习
? 特征选择与稀疏学习
? 排序(Ranking)
? 强化学习
教学方式: 每周授课3学时
教材与参考书：
教材
周志华. 《机器学习》, 清华大学出版社, 2016.
参考书：
[1] Shai Shalev-Schwartz, Shai Ben-David. Understanding Machine Learning: From Theory to Algorithms, Cambridge University Press, 2014.
[2] Mehryar Mohri, Afshin Rostamizadeh, and Ameet Talwalkar. Foundations of Machine Learning, 2nd edition, MIT Press, 2018.
[3]周志华, 王魏, 高尉, 张利军. 《机器学习理论导引》, 机械工业出版社, 2020
学生成绩评定方法: 平时作业 40%+期末考试 60%。
课程修订负责人：牟克典
