BYR Achieve · 镜像论坛

神经计算2016-即将重装开讲[周二上午3-4节教三117]

2016/2/26镜像同步4 回复

神经计算2016 (Introduction to Machine Learning and Data Science) 即将重装开讲! 地点: 教三117 时间：从3月1日开始每周二上午3-4节 10:10 - 12:00 课程内容安排若干个专题：专题 0: 学习问题发展简史专题 1: 基于实例的学习 (NN \ k-NN \ Pazen窗 \ 理论渊源 \ VOC \ BoW) 专题 2: 线性模型 (感知器 \ 线性分类 \ 线性回归 \ 及其MLE估计根源) 专题 3: 线性模型的扩展 (MLP \ Kernel Methods) 专题 4: 学习过程的统计性质 (Bias-Variance分解理论\ Bagging \ Boosting) 专题 5: 统计学习理论 (最大间隔线性分类面\经验风险最小化\VC维\一致收敛速度\结构风险最小化\SVM) 专题 6: 正则化理论 (正则化框架 \ 正则化方法的几个实例) 专题 7: 无监督学习与半监督学习：主成分分析(PCA与RPCA) \ 流形学习(Manifolds Learning) \ k-means &谱聚类(Spectral Clustering) 专题 8: 压缩感知与稀疏表示： CS理论\ 稀疏编码(Sparse Coding)及其应用，包括分类(SRC)、子空间聚类(SSC\LRR)、矩阵填充与鲁棒PCA，带约束非光滑优化问题求解ALM&ADMM 专题 9: 深度学习 (RBM \ Autoencoder Networks \CNN \ MLP) 专题 10: 面向大规模数据的策略（Online \ subsampling \ RP \ Hashing ）内容线索： 1. 有监督学习 --> 无监督学习回归和分类 --> 降维和聚类(以及密度估计) 2. 算法由简单到复杂: 基于实例的学习方法、线性模型、非线性模型.... 3. 对有监督学习过程的认识的由浅入深：从基于记忆的学习开始...学习过程的统计性质, 基于VC维的统计学习理论,正则化理论. 4. 本学期授课内容将适当压缩专题1-6，适当侧重专题7-10；同时穿插本人借助“统计机器学习”的理论和视角解读生活（比如小概率事件、人生轨迹等）。图说神经计算2016——机器学习与数据科学 http://pan.baidu.com/s/1hrc74Za http://pan.baidu.com/s/1bousHHH 欢迎对机器学习和数据科学方向具有浓厚兴趣且数学基础良好的同学（本科高年级\硕士研究生\博士研究生）选课和旁听！本学期课件可以陆续在我的主页上陆续提供下载：http://www.pris.net.cn/teacher/lichunguang

订阅后，新回复会通过你的通知中心匿名送达。