跳到主要内容

学硕_高级机器学习

授课教师：赵静

教师授课（前 13 周） + 学生分享（后 4 周）

考核：平时成绩 40%+ 最终报告 60%

平时成绩

按小组介绍 2021 年 ICML 、 NeurIPS 、 IJCAI 、 AAAI Tutorial

每组 45 分钟，每周两组

按小组打分，学生互评

期末考核：

机器学习相关的论文

按照正规会议期刊格式撰写，提供模板， 6 页上限

• 综述论文（ 60-80 分）

• 近 5 年顶会刊算法复现，需增加原文之外的数据集（ 80-90 分）

• 创新性论文（ 90-100 分）

第一章简单机器学习算法概览

学时：10

本章节内容概述：回顾模式识别与机器学习基础算法，包括

1.1贝叶斯决策（2学时），

1.2 线性分类与回归模型（2学时），

1.3支持向量机与拉格朗日对偶优化（2学时），

1.4 EM算法与变分推理（2学时），

1.5主成分分析与聚类（2学时）

第二章高斯过程相关模型²

学时：6

本章节内容概述：介绍高斯过程相关模型原理，包括

2.1高斯过程（2学时），

2.2高斯过程潜变量模型（2学时），

2.3深度高斯过程和多视图高斯过程（2学时），

第三章概率时序模型²

学时：4

本章节内容概述：介绍概率时序模型，包括

3.1隐马尔科夫模型（2学时），

3.2条件随机场（2学时）

第四章深度学习模型²

学时：4

本章节内容概述：介绍神经网络模型原理及典型的生成式神经网络，包括

4.1深度神经网络（2学时），

4.2变分自编码（1学时），

4.3生成式对抗网络（1学时）

第5章近似推理与优化

学时：4

本章节内容概述：介绍概率模型的近似推理与基于梯度的随机优化算法，包括

5.1采样方法（2学时），

5.2随机梯度优化（2学时）。

第六章学生分享展示

学时：8

报告参考范围