該課系統地講授機器學習面臨的各種問題背景、建模、學習方法實現、性能評價 本課講授內容包括如下幾個部分
第一章、 機器學習簡介（2課時）
第二章、 分類算法評估與比較（2課時）
- 常見分類性能評價
- K-折交叉檢驗（Cross Validation）
- 配對T檢驗
第三章、 線性機器學習模型 - 線性回歸及其優化（2課時）
- 線性判別分析（2課時）
- Logistic回歸及正則化懲罰（2課時）
第四章、 支持向量機（4課時）
第五章、 神經網絡分類器（4課時） - 感知器模型
- 神經網絡
第六章、 非監督學習（4課時） - K-Means
- 層次聚類
第七章、 面向網絡數據的隨機游走算法（2課時） - PageRank
- Learning with Local and Global Constraints
第八章、 維度約減與數據壓縮（2課時） - 主成份分析
- 非負矩陣分解
