统计学教学大纲.docxVIP

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