- 1、本文档共50页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
PAGE
PAGE #
教材(The textbook )
机器学习与Python实践黄勉
The Elements of Statistical Learning, T. Hastie, Tibshirani, Friedman
参考文献和推荐资料( The recommended readings and websites )
参考书目:
1 Modern Multivariate Statistical Techniques , Alan J. Izenman
机器学习。周志华著
Pattern Recognition and Machine Learning, Bishop
课程简介(The brief introduction of the course )
统计学习课程以《机器学习与Python实践》以及《The Elements of Statistical Learning〉 两本书为主要教材,系统向统计与管理学院的专业研究生介绍现代统计方法及前 沿研究热点,讲授这些方法在实际问题中的应用,包括主成份分析,回归分析, 分类方法,局部建模方法,模型选择和推断,随机森林,深度学习等。
教学目 的(The main aim of the course )
本课程着重强调从统计的角度去看待并解决实际问题, 了解并掌握从数据中挖掘 有用信息的常用统计学和机器学习的方法.学习使用计算机编程语言,能自主编 程,将所学方法应用于实际的数据分析.
教学计划(The course schedule)
计划用1周时间讲授Python编程,1周时间讲授介绍统计学习基础,接下来用
2周时间讲授无监督学习方法,包括和密度估计,K均值方法、主成份分析, 为进-
步学习有监督学习打下基础。对有监督学习方法,内容包括 回归分析、变量选择、
逻辑回归、线性判别分析、局部建模方法、树 /森林,和神经网络等,共 8周。课程还包括
模型评估,模型选择和统计推断内容,共 3周。
学习方式(The mode of study)
学生通过课前预习、课堂听课、完成课后布置的练习和自主动手编程分析数据案 例进行学习。
教学方法(The innovative method used )
课程同时注重理论方法和实践,在理论方法方面本课程覆盖大部分机器学习领域 的基础知识,包括多种无监督学习和有监督学习的重要方法。 在实践方面本课程
准备了很多实际案例分析并结合冃前的前沿研究进展进行讲授,使用通用软件 Python进行课堂实时编程,加深学生对所学方法的理解。
教学监督(The details of systems to monitor student progress)
设定学习冃标,通过课堂互动交流,定期检查课后作业完成情况和助教信息收集, 及时反馈学生是否达到学习冃标。确保班上大多数学生跟上学习进度,按时完成 作业,理解和掌握所学内容。
学术道德(The academic ethics)
涉及学生的学术不诚实问题主要包括考试作弊; 抄袭;伪造或不当使用在校学习成绩; 未经
老师允许获取、利用考试材料。对于考试作弊的惩罚是给予 0分。其它的学术不诚实问题按
照学校有关规定进行处理。
考核方式(The Assessment)
闭卷 60% 开卷 % 讨论 %
论文 % 案例 % 考勤 10%
其他 30%作业
上课教室(The Classroom)
3 教 806
以学校要求为准,正常期间线下教学
疫情期间线上直播
课夕卜答疑(The office hours and address)
周 5 上午 10: 00-11: 00,统计 1310
疫情期间使用线上辅导
教学内容(The brief description of the course content )
Introduction
Introduction to Statistical Learning
Least Squares and Nearest Neighbors
Supervised Learning and Function Approximation
Introduction to Unsupervised Learning
Kernel density estimate
K-means algorithm
PCA and application
Regression and Classification
Regression Analysis and Matrix Decomposition
Variable Selection
LDA and Logistic Regression
Local Modeling
Kernel Smoothing Methods
Bas
您可能关注的文档
- 熟食加工方法技巧.pdf
- 数据营销推广.docx
- 数据营销推广.pdf
- 数理统计考试试卷答案.docx
- 数理统计考试试卷答案.pdf
- 数码管静态显示控制系统设计.docx
- 数码管静态显示控制系统设计.pdf
- 数字影视剪辑教学教案.docx
- 数字影视剪辑教学教案.pdf
- 水的基本知识.docx
- 关于公司的年终总结发言稿(35篇).docx
- 专项规章新规制度之学校督查通报新规制度.docx
- 店长培训手册.doc
- 【各行各业合同协议模板】【各行各业合同协议模板】计算机软件使用许可合同.doc
- 苏州新区经济发展集团总公司绩效管理体系项目协议书.doc
- 2024年山东潍坊市国防教育训练基地招考聘用军事教练员笔试历年典型题及考点剖析附带答案含详解.docx
- 2024年安徽滁州来安县事业单位招考聘用76人笔试历年典型题及考点剖析附带答案含详解.docx
- 2024年安徽马鞍山市直事业单位招考聘用109人笔试历年典型题及考点剖析附带答案含详解.docx
- 2024年安徽黄山市黄山区事业单位招考聘用28人笔试历年典型题及考点剖析附带答案含详解.docx
- 2024年山西太原市市直事业单位招考聘用434人笔试历年典型题及考点剖析附带答案含详解.docx
文档评论(0)