Course Introduction:机器学习应用基础课程主要介绍机器学习研究中的主要方法、发展现状与发展趋势。重点介绍传统机器学习算法（包括线性回归，支持向量机，决策树，AdaBoost，K-means等）以及深度学习基础（包括神经网络基础，梯度下降算法，典型神经网络结构（CNN，RNN，LSTM，Transformer，Attention）等）。同时设计了多样的授课形式与授课内容，调动学生的课堂参与积极性，增强学生对各类机器学习应用算法的感知与了解，并通过具体的应用案例，实际研究任务加深学生对机器学习方法的理解。 本课程的主要教学目的是，让学生了解各类机器学习概念，机器学习算法以及适用场景；了解当前不同领域的研究方向，研究内容以及研究进展；培养学生对机器学习各个方向的主要方法的感知与了解。同时通过多样的授课形式（课堂讲解，多媒体演示，案例分析等）调动学生的课堂参与积极性，并通过撰写课程报告的形式让学生主动参与到具体机器学习方法及应用的理解，为学生后续的学习和研究奠定必要的基础。
Schedule:2023-10-31:翠七教603;2023-10-10:翠七教603;2023-10-03:翠七教603;2023-09-26:翠七教603;2023-11-14:翠七教603;2023-11-07:翠七教603;2023-10-24:翠七教603;2023-10-17:翠七教603
Teacher:张琨
School Year:2023-2024
Semester:Autumn Term
Course number:0500215X
Credits:1.0
Course Type:Undergraduate Course:
Top-Quality Courses or Not:no
Maximum Number of Students:66
Required Class Hours:16.0