本站
非官方網站，信息完全免費，僅供參考，不收取任何費用，具體請以官網公布為準！
062302 機器學習理論 32學時/2學分
英文譯名：Machine Learning Theory
適用領域：計算機科學與技術 軟件工程
任課教師：董紅斌
教學目的：機器學習是近20多年興起的一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法復雜度理論等多門學科。機器學習理論主要是設計和分析一些讓計算機可以自動“學習”的算法。機器學習算法是一類從數據中自動分析獲得規律，并利用規律對未知數據進行預測的算法。通過該課程的學習使學生了解機器學習領域的最新發展動向及現狀；掌握機器學習的新概念、新理論、新方法與技術及其應用情況；能夠運用機器學習方法來解決實際問題；為進一步深入研究建立有關概念和方法的基礎。
預備知識或先修課程要求：計算智能、人工智能、模式識別
教學方式及學時分配：課堂授課16學時、課堂討論16學時
|
學時 |
教學內容 |
教學方式 |
|
2 |
機器學習概論 |
授課 |
|
2 |
概念學習 |
授課 |
|
2 |
決策樹學習 |
授課 |
|
2 |
連接學習 |
授課 |
|
2 |
貝葉斯學習 |
授課 |
|
2 |
計算學習理論 |
課堂討論 |
|
2 |
基于實例的學習 |
授課 |
|
2 |
進化學習 |
授課 |
|
2 |
歸納學習 |
課堂討論 |
|
2 |
強化學習 |
課堂討論 |
|
2 |
集成學習 |
授課 |
|
10 |
機器學習的新理論 |
課堂討論 |
教學主要內容及對學生的要求：本課程強調機器學習的理論原理的教學，注重從實例入手使學生理解機器學習的概念與原理，注重從機器學習的基本框架上理解不同機器學習方法之間的異同點。
內容摘要：近年來機器學習理論在諸多應用領域得到成功的應用與發展，已成為計算機科學和人工智能學科的重要基礎及熱點之一。采用機器學習方法的計算機程序被成功用于各個應用領域。本課程突出強調機器學習的理論原理的教學，注重從實例入手使學生理解機器學習的概念與原理，注重從機器學習的基本框架上理解不同機器學習方法之間的異同點。主要教學內容包括概念學習、決策樹學習、連接學習、計算學習理論、貝葉斯學習、基于實例的學習、進化學習、歸納學習、強化學習和集成學習等。最終考核以大作業方式來進行。考核題目可以從推薦的選題中選擇，或與自己將來的研究內容相結合，或根據其它興趣選擇。所完成的作業目應是關于機器學習算法的實現及其在某個特定領域中的應用。
考核方式：采用課程論文的方式進行考核，百分制。
主要參考書目：
[1] Tom M. Mitchell著，曾華軍等譯，《機器學習》，機械工業出版社，2003年
[2]張汝波 《強化學習理論及應用》
哈爾濱工程大學出版社，2001年
[3]董紅斌、賀志, 《協同演化算法及其在數據挖掘中的應用》, 中國水利水電出版社，2008年7月.
學習文檔 http://xjuit.com/wenku/
