CS420机器学习课程教学大纲-致远学院

CS420机器学习课程教学大纲CourseOutline课程基本信息（CourseInformation）课程代码（CourseCode）CS420*学时（CreditHours）48*学分（Credits）3*课程名称（CourseTitle）（中文）机器学习（英文）MachineLearning*课程性质（CourseType）本科生一般课程授课对象（TargetAudience）致远学院计算机科学班14级15级学生*授课语言(LanguageofInstruction)中英双语*开课院系（School）致远学院先修课程（Prerequisite）数学分析，线性代数授课教师（Instructor）张伟楠课程网址(CourseWebpage)*课程简介（Description）机器学习是通过非显示编程使得机器完成智能任务的一门科学方法论。在过去的20年间，机器学习得到了长足的发展，目前已经成为实现人工智能的最有效最热门的途径。基于机器学习的应用也渗透到了我们日常生活的方方面面，例如天气预测、电商个性化商品推荐、新闻分类、人脸识别、语音问答、无人驾驶汽车、居家机器人、医疗辅助诊断等等。2016年3月，谷歌的智能围棋机器人AlphaGo以4-1打败李世石标志着基于大数据机器学习的人工智能新时代的全面到来。本课程提供机器学习的入门基础讲解，让学生能够较为全面地了解机器学习这门学科的各类问题和方法论，包括监督学习\无监督学习（涵盖绝大部分预测类应用，例如推荐系统、图像识别、网页排序等等）和强化学习（涵盖所有决策类应用，例如下围棋、无人驾驶、广告出价、智能选股等等）。此外，本课程强调学生的动手能力，要求学生通过编写机器学习的程序完成智能任务，并鼓励学生不断改善模型和代码实现从而提高机器的效能。*课程简介（Description）Machinelearningisthescienceoftrainingmachineswithnon-explicitprogrammingbasedonadatasettogetthemworkonintelligenttasks.Machinelearninghasobtainedfastdevelopmentduringthelasttwodecadesandnowplaysanimportantroleinvariousaspectsofourdailylife,suchasweatherforecasting,e-commercepersonalizedrecommendation,newscategorization,facerecognition,speechQA,self-driving,homerobots,andmedicalexpertsystemetc.Particularly,inMarch2016,Google’sAlphaGobeatLeeSe-dolonGameofGowiththescore4-1,whichindicatesthearrivalofthenewartificial(general)intelligenceeraofmachinelearningbasedonbigdata.Thiscourseprovidesacomprehensiveintroductionofthefundamentalproblemsandmethodologiesofmachinelearning,includingsupervised\unsupervisedlearning(coveringmostpredictionapplications,e.g.,recommendersystems,imagerecognitionandwebpagerankingetc.)andreinforcementlearning(coveringalldecision-makingapplications,e.g.,playingGo,self-driving,adbiddingandsmartstockpickingetc.).Additionally,thecourseworkincludeshands-ontasks,inwhichthestudentsarerequiredtodesignmachinelearningprogramstoaccomplishseveralintelligencetasks,andarehighencouragedtofurtherimprovethemachineperformanceviatryingdifferentmodelsandupgradingthecodeimplementation.课程教学大纲（coursesyllabus）*学习目标(LearningOutcomes)1．掌握机器学习的基本问题定义、基本模型，对机器学习学科有概览性的认识2．了解机器学习的前沿技术与研究现状3．完成2个机器学习实战课程大作业，对机器学习工程编程有初步的训练4．完成1幅机器学习项目的海报制作与展示交流*教学内容、进度安排及要求(ClassSchedule&Requirements)教学内容学时教学方式作业及要求基本要求考查方式机器学习简介3授课课堂出勤有监督学习线性模型3授课线性模型掌握课堂测试支持向量机3授课神经网络3授课决策树3授课集成学习3授课课程大作业基本机器学习模型掌握竞赛排名排序与过滤3授课课程大作业竞赛排名概率图模型6授课无监督学习3授课学习理论与模型选择3授课强化学习简介3授课课堂大作业基本有监督学习模型掌握竞赛排名强化学习的近似模型3授课课堂出勤迁移学习3授课基本有监督学习模型掌握海报交流会3授课完成1项课程大作业评委打分*考核方式(Grading)课程大作业1（40%）课程大作业2（40%）课堂测试（5%）出勤考核（5%）海报展示（10%）*教材或参考资料(Textbooks&OtherMaterials)李航《统计学习方法》清华大学出版社，2012.周志华《机器学习》清华大学出版社，2016.TomMitchell.“MachineLearning”.McGraw-Hill,1997JeromeH.Friedman,RobertTibshirani,andTrevorHastie.“TheElementsofStatisticalLearning”.Springer2004.ChrisBishop.“PatternRecognitionandMachineLearning”.Springer2006.RichardS.SuttonandAndrewG.Barto.“ReinforcementLearning:AnIntroduction”.MIT,2012.其它（More）备注（Notes）备注说明：1．带*内容为必填项。2．课程简介字数为300-500字；课程大纲以表述清楚教学安排为宜，字数不限。