該課系統(tǒng)地講授機(jī)器學(xué)習(xí)面臨的各種問題背景、建模、學(xué)習(xí)方法實(shí)現(xiàn)、性能評(píng)價(jià) 本課講授內(nèi)容包括如下幾個(gè)部分
第一章、 機(jī)器學(xué)習(xí)簡(jiǎn)介（2課時(shí)）
第二章、 分類算法評(píng)估與比較（2課時(shí)）

1. 常見分類性能評(píng)價(jià)
2. K-折交叉檢驗(yàn)（Cross Validation）
3. 配對(duì)T檢驗(yàn)
   第三章、 線性機(jī)器學(xué)習(xí)模型
4. 線性回歸及其優(yōu)化（2課時(shí)）
5. 線性判別分析（2課時(shí)）
6. Logistic回歸及正則化懲罰（2課時(shí)）
   第四章、 支持向量機(jī)（4課時(shí)）
   第五章、 神經(jīng)網(wǎng)絡(luò)分類器（4課時(shí)）
7. 感知器模型
8. 神經(jīng)網(wǎng)絡(luò)
   第六章、 非監(jiān)督學(xué)習(xí)（4課時(shí)）
9. K-Means
10. 層次聚類
    第七章、 面向網(wǎng)絡(luò)數(shù)據(jù)的隨機(jī)游走算法（2課時(shí)）
11. PageRank
12. Learning with Local and Global Constraints
    第八章、 維度約減與數(shù)據(jù)壓縮（2課時(shí)）
13. 主成份分析
14. 非負(fù)矩陣分解