《机器学习与模式识别》是面向人工智能专业、工业智能专业和自动化专业的专业教育类课程,主要研究利用机器学习方法实现模式识别任务中涉及的基本概念、原理、分析、设计及实现方法。
本课程授课内容包括模式识别与机器学习基本任务,核心概念及主要方法、贝叶斯决策论与概率模型估计、线性分类与线性回归、支持向量机、决策树、集成学习、模型评估、特征学习与选择、人工神经网络与深度学习以及无监督学习、弱监督学习和强化学习等领域的问题分析、方法选择、算法设计与实现等方面,并适当介绍以模式识别技术为代表的人工智能领域的发展历史、对社会生活学习方式的影响以及未来的发展趋势。
通过本课程的学习,能使学生了解模式识别与机器学习领域的发展历史与趋势,理解模式识别的基本概念,掌握机器学习基本原理、主流方法和代表性算法,能够运用5种以上机器学习算法解决经典的模式识别问题。重点培养学生将部分工程问题转化为模式识别问题的能力,通过分析选择、设计合适的机器学习算法的能力以及将适当的机器学习算法应用于具体工程问题的能力。