机器学习

传统机器学习教学中普遍存在理论体系过杂、算法理论支撑零散的问题，导致学生难以深入理解算法本质及其内在联系。本课程以于剑教授提出的“机器学习公理化体系”为核心，系统构建从认知基础的公理到机器学习重要算法的课程内容体系。课程教学以“归类公理”为主线，贯穿密度估计、回归分析、数据降维、聚类与分类等关键内容，打破传统教学中算法孤立、理论分散的局限，帮助学生建立统一的理论知识体系。教学过程中，从归类公理出发推出经典学习算法，强化学生对算法本质的理解，鼓励学生从公理出发研究算法，培养其理论思维与独立解决实际问题的能力。本课程的教学基于全新的教学思路和理念，教学效果显著，有效提升了研究生在人工智能领域的科研创新能力与就业竞争力。

本课程的授课教师为于剑教授和景丽萍教授，教师团队成员还包括田丽霞教授、黄惠芳副教授、吴丹副教授、王晶副教授、张硕副教授。

协助录制：  

黄惠芳   

后期校对：

黄惠芳 吴丹

课件制作 ：

田丽霞   景丽萍 

黄惠芳   吴丹 

王晶 张硕