机器学习21-22秋季1
需积分: 0 167 浏览量
2022-08-04
16:01:28
上传
评论
收藏 201KB PDF 举报
课程大纲
课程编号：083900M01004H-01 课时：60 学分：3.00 课程属性：一级学科核心课 主讲教师：周晓飞
课程名称：机器学习21-22秋季
课程英文名称：Machine Learning
教学目的、要求
本课程为网络空间信息安全的专业核心课。重点讲授统计机器学习的基础理论、方法和技术,内容包括贝叶斯决策
学习、分类学习、回归分析、特征表示、概率图模型、知识图谱和深度学习等。课程目的及任务是：使学生通过
本课程的学习,了解机器学习的基本研究问题,掌握各种学习模型的原理、设计方法和解决途径,并具备基本的数据
分析能力,为开展信息安全和人工智能相关研究方向奠定理论基础。
预修课程
线性代数,概率论
教材
1、 机器学习 周志华著 2016 清华大学出版社
主要内容
第一章 绪论 3学时 周晓飞
第1节 机器学习研究背景 周晓飞
第2节 机器学习研究的问题 周晓飞
第3节 课程主要内容 周晓飞
第4节 课程安排 周晓飞
第二章 贝叶斯方法 6学时 周晓飞
第1节 概述 周晓飞
第2节 贝叶斯决策论 周晓飞
第3节 贝叶斯分类器 周晓飞
第4节 贝叶斯学习与参数估计问题 周晓飞
第三章 线性分类 9学时 周晓飞
第1节 概述 周晓飞
第2节 基础知识 周晓飞
第3节 感知机 周晓飞
第4节 Fisher鉴别 周晓飞
第5节 Logistic回归 周晓飞
第四章 非线性分类 9学时 周晓飞
第1节 概述 周晓飞
第2节 决策树 周晓飞
第3节 集成学习 周晓飞
第4节 最近邻方法 周晓飞
第5节 支持向量机与核函数 周晓飞
第五章 回归分析 3学时 周晓飞
第1节 概述 周晓飞
第2节 最小二乘估计 周晓飞
第3节 最大似然估计 周晓飞
第4节 扩展的非线性模型 周晓飞
第5节 误差分析 周晓飞
第六章 聚类分析 3学时 周晓飞
第1节 概述 周晓飞
第2节 序贯方法 周晓飞
第3节 层次聚类 周晓飞
评论0