本课程主要内容包括:机器学习理论基础知识介绍,监督学习中的常见模型如线性模型、支持向量机、朴素贝叶斯、决策树,集成学习思想及相关方法,以及无监督学习中的聚类模型等。
课程主要特色体现在:
本课程的教学本着理论与实践相结合的原则,深入浅出,突出重点,在重视基础理论的同时,注重培养学生独立思考和动手实践能力。1)在内容设计上,以示例入手,逐步推进,详尽剖析算法思想与基本原理;2)在实施方法上,采取启发式教学方法,在简要介绍算法思想和流程的基础上,引导学生自行运行并分析实现代码;3)在教学手段上,结合板书、多媒体、网络资源等多种传授方法,提高学生兴趣;4)在实验教学上,促进学生对讲授知识的理解,开拓眼界,提升动手实践能力。课程主讲团队在机器学习的各个应用领域具有深厚的研究背景与实践经验,具备成熟的教学手段和丰富的教学经验。