Hits:
Course Introduction:本课程介绍机器学习、数据挖掘、统计模式识别。主题包括: (一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习 (聚类,降维)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。通过使用大量的案例研究,学习如何运用机器学习算法构建智能机器人(感知,控制),文本的理解(Web搜索,反垃圾邮件),计算机视觉,医疗信息,音频,数据挖掘等。 本课程引入Mooc教学的方式，采用线上线下结合的教学方式，课下在线Mooc课程学习+课堂翻转学习研讨+项目实战三者结合，提高学习的自主性、灵活性，培养学生在机器学习领域的实战能力。学生通过观看Mooc学习视频，完成线上作业和任务，同时在课堂中对线上学习中的问题进行研讨，基于此完成课程的实战项目。在Mooc课程内容上，把对算法与数学式的推导，以“解决问题”的过程方式呈现。在课堂教学研讨过程中，将对Mooc课程内容中的问题进行进一步的研究讨论，进而结合实战项目进行演练。
Schedule:2023-04-24:翠三教106;2023-05-26:翠三教106;2023-05-05:翠三教106;2023-04-21:翠三教106;2023-05-08:翠三教106;2023-06-02:翠三教106;2023-05-15:翠三教106;2023-05-12:翠三教106;2023-06-05:翠三教106;2023-06-09:翠三教106;2023-04-17:翠三教106;2023-05-01:翠三教106;2023-05-29:翠三教106;2023-05-19:翠三教106;2023-04-28:翠三教106;2023-05-22:翠三教106
Teacher:孙晓
School Year:2022-2023
Semester:Spring Term
Course number:0509910X
Credits:2.0
Course Type:Undergraduate Course:
Top-Quality Courses or Not:no
Maximum Number of Students:182
Required Class Hours:32.0