XH
01
课程简介
Course Overview
本课程面向高年级本科生与研究生，以“概念理解—模型推导—编程实现—项目实战”为主线， 围绕 13 个核心话题系统建立机器学习知识体系。
完成课程后，你将能够读懂主流机器学习论文中的核心方法，使用 Python 与常用框架实现经典模型， 并独立完成一个从数据处理到结果分析的小型机器学习项目。
学完你将能够
- 解释机器学习的基本概念与误差来源
- 推导并实现线性模型、树模型与浅层神经网络
- 选择合适的方法评估与调优模型
- 运用 PyTorch / scikit-learn 完成端到端实验
- 批判性地阅读并复现经典算法
13 个核心话题
- 机器学习基础概念理论
- 模型评估与选择
- 线性回归
- 线性分类
- 神经网络优化
- 优化算法
- 损失函数
- 机器学习模型设计工作流
- 集成学习
- 聚类
- 深度学习
- 自监督学习
- 强化学习
02
教学团队
Course Staff
TA
课程助教 Teaching Assistant
待确定
负责作业批改、实验答疑与项目进度跟踪。
信息将在开课后公布。
03
课程信息
Logistics
上课时间与地点
具体教室与时间以教务系统为准，开课前更新。
答疑与交流
作业通知、讲义与项目提交将通过课程群 / 在线平台发布。
编程环境
Python 3.10+，推荐使用 Jupyter、scikit-learn 与 PyTorch。
先修要求
掌握 Python 基础；熟悉线性代数、概率统计与微积分。
04
课程安排
Schedule
以下为建议教学进度，覆盖 13 个核心话题；具体周次、日期与材料可能随教学实际情况调整。请以课堂通知为准。
| 周次 | 主题 | 课程 ppt | 课外阅读材料 |
|---|---|---|---|
| 第 1 周 | 机器学习基础概念理论 | TBD | TBD |
| 第 2 周 | 模型评估与选择 | TBD | TBD |
| 第 3 周 | 线性回归 | TBD | TBD |
| 第 4 周 | 线性分类 | TBD | TBD |
| 第 5 周 | 神经网络优化 | TBD | TBD |
| 第 6 周 | 优化算法 | TBD | TBD |
| 第 7 周 | 损失函数 | TBD | TBD |
| 第 8 周 | 机器学习模型设计工作流 | TBD | TBD |
| 第 9 周 | 集成学习 | TBD | TBD |
| 第 10 周 | 聚类 | TBD | TBD |
| 第 11 周 | 深度学习 | TBD | TBD |
| 第 12 周 | 自监督学习 | TBD | TBD |
| 第 13 周 | 强化学习 | TBD | TBD |
05
考核方式
Grading
平时作业
20%
编程实验
20%
课程项目
30%
期末考核
20%
课堂参与
10%
06
课程项目
Research / Course Project
项目流程
- 组队与选题第 4 周
- 提案报告第 8 周
- 中期检查第 12 周
- 最终报告与展示结课前
推荐方向
- 图像分类 / 目标检测
- 表格数据回归与异常检测
- 文本分类与情感分析
- 推荐系统与用户建模
- 时序预测与金融数据
- 大模型微调与提示工程
项目产出
每组需提交项目报告、可运行代码与 5 分钟展示。评分将综合问题定义、方法合理性、实验结果与分析质量。
07
资料与工具
Resources & Tools
📖 教材与参考书
- 周志华《机器学习》
- Bishop《Pattern Recognition and Machine Learning》
- Goodfellow《Deep Learning》
- Hastie《The Elements of Statistical Learning》
🎓 在线课程
🐍 编程工具
- Python / Jupyter Notebook
- NumPy / Pandas / Matplotlib
- scikit-learn
- PyTorch
📄 论文与数据集
- Papers with Code
- Kaggle 数据集
- UCI Machine Learning Repository
- Hugging Face
08
常见问题
FAQ
没有深度学习基础可以选这门课吗？
可以。课程从基础模型讲起，深度学习仅作为后半程导引内容，不要求提前掌握。
课程项目可以个人完成吗？
原则上鼓励 2–4 人组队；如有特殊情况希望独立完成，请在选题阶段与主讲老师沟通。
是否需要 GPU？
多数实验在 CPU 即可完成；大模型相关实验会提供 Colab 或云端 GPU 使用建议。
如何获得讲义和作业？
讲义、作业模板与数据集将在每次课前通过课程群或在线平台发布。