《大数据机器学习》课程是面向信息学科的高年级本科生或研究生开设的基础理论课，目的是培养学生深入理解大数据机器学习理论基础，牢固掌握大数据机器学习方法，并能够解决实际问题等综合能力。课程的主要内容包括：统计学习基本理论，机器学习基本方法，深度学习理论和方法。
共113课时15小时39分33秒
模式识别就其学术内涵，是一门数据处理、信息分析的学科，就其应用特征讲，属于人工智能、机器学习范畴。 模式识别课程是本科生信息工程及相关专业的专业基础课，也是许多其它专业的选修课, 在知识结构中占有很重要的位置。对于巩固已学知识、开展专业课学习及未来工作具有重要意义
共35课时22小时6分8秒
(01)机器学习与相关数学初步 (02)数理统计与参数估计 (03)矩阵分析与应用 (04)凸优化初步 (05)回归分析与工程应用 (06)特征工程 (07)工作流程与模型调优 (08)最大熵模型与EM算法 (09)推荐系统与应用 (10)聚类算法与应用 (11)决策树随机森林和adaboost (12)SVM (13)贝叶斯方法 (14)主题模型 (15)贝叶斯推理采样与变分 (16)人工神经网络 (17)卷积神经网络 (18)循环神经网络与LSTM (19)Caffe&Tensor Flow&MxNet 简介 (20)贝叶斯网络和HMM (额外补充)词嵌入word embedding
共21课时1天22小时12分36秒
主要内容：人工智能的定义，树搜索算法，无信息搜索策略，启发式搜索策略，约束满足问题求解，博弈算法，贝叶斯网络，隐马尔可夫模型，卡尔曼滤波器。 特色：人工智能课程在学校的讲授时间为32个学时，面对计算机科学与技术硕士研究生，是一门专业必修课。由于人工智能基础理论涉及到智能搜索，推理，机器学习等，是现在信息类研究生各研究方向的必备理论基础，能为学生深入各方向的研究打下良好的基础。其中的思想可以应用于模式识别，图像视频智能分析处理，数据挖掘及各种信息的智能处理应用中。由于课程讲授侧重于算法的描述，所以学生并不会觉得枯燥，在结合编程的实践练习下能很好掌握智能思想。
共40课时8小时47分20秒
京公网安备 11010802033920号
Copyright © 2005-2023 EEWORLD.com.cn, Inc. All rights reserved
