本门课程适合于高年级本科生、研究生和对数据挖掘与机器学习感兴趣的人员，主要讲授经典而常用的机器学习方法（包括线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习等）和机器学习的进阶知识（包括特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等）。 《机器学习》作为计算机科学与技术专业的一门专业选修课，提供机器学习的入门基础讲解，让学生能够较为全面地了解机器学习这门学科的各类问题和方法论，主要包括监督学习、无监督学习和数据降维的主要学习算法。本课程强调学生的动手能力，要求学生通过编程练习和典型应用实例加深理解，同时对机器学习的一般理论，如计算学习理论、采样理论等有所了解。要求学生具备基本编程基础，熟悉 Python 编程语言。其具体的课程教学目标为： 课程教学目标 1：掌握机器学习的基本问题、概念和基本模型，对机器学习 有全局性的认识。 课程教学目标 2：掌握经典常用的机器学习算法和模型，并能够根据实际问 题，选择并实现相应的算法。 课程教学目标 3：编程完成机器学习典型应用实例，对机器学习工程编程有 初步的训练。 课程教学目标 4：团队合作完成 1 项机器学习课程项目，并做展示与交流。 先修课程：高等数学、概率论与数理统计、Python 程序设计语言。