zh:courses:ml2025:index
差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 两侧同时换到之前的修订记录 前一修订版 后一修订版 | 前一修订版 | ||
|
zh:courses:ml2025:index [2025/11/12 13:18] pzczxs [表] |
zh:courses:ml2025:index [2025/11/13 07:38] (当前版本) pzczxs [表] |
||
|---|---|---|---|
| 行 13: | 行 13: | ||
| ===== 2025年11月 ===== | ===== 2025年11月 ===== | ||
| - | ^ 星期日 ^ 星期一 ^ 星期二 ^ 星期三 ^ 星期四 ^ 星期五 ^ 星期六 ^ | + | ^ 星期日 ^ 星期一 ^ 星期二 ^ 星期三 ^ 星期四 ^ 星期五 ^ 星期六 ^ |
| - | | | | | | | | 1 | | + | | | | | | | | 1 | |
| - | | 2 | 3 | 4 | 5 | 6 | 7 | 8 | | + | | 2 | 3 | 4 | 5 | 6 | 7 | 8 | |
| - | | 9 | 10 | 11 | 12 | 13 | 14 | 15 | | + | | 9 | 10 | 11 | 12 | **[[:zh:courses:ml2025:ch01|13]]** | 14 | 15 | |
| - | | 16 | 17 | 18 | 19 | 20 | 21 | 22 | | + | | 16 | 17 | 18 | 19 | 20 | 21 | 22 | |
| - | | 23 | 24 | 25 | 26 | 27 | 28 | 29 | | + | | 23 | 24 | 25 | 26 | 27 | 28 | 29 | |
| - | | 30 | | | | | | | | + | | 30 | | | | | | | |
| ===== 2025年12月 ===== | ===== 2025年12月 ===== | ||
| - | ^ 星期日 ^ 星期一 ^ 星期二 ^ 星期三 ^ 星期四 ^ 星期五 ^ 星期六 ^ | + | ^ 星期日 ^ 星期一 ^ 星期二 ^ 星期三 ^ 星期四 ^ 星期五 ^ 星期六 ^ |
| - | | 1 | 2 | 3 | [[:zh:courses:ml2024:ch05|4]] | 5 | 6 | 7 | | + | | | 1 | 2 | 3 | 4 | 5 | 6 | |
| - | | 8 | 9 | 10 | [[:zh:courses:ml2024:ch06|11]] | 12 | 13 | 14 | | + | | 7 | 8 | 9 | 10 | 11 | 12 | 13 | |
| - | | 15 | 16 | 17 | [[:zh:courses:ml2024:ch07|18]] | 19 | 20 | 21 | | + | | 14 | 15 | 16 | 17 | 18 | 19 | 20 | |
| - | | 22 | 23 | 24 | [[:zh:courses:ml2024:ch08|25]] | 26 | 27 | 28 | | + | | 21 | 22 | 23 | 24 | 25 | 26 | 27 | |
| - | | 29 | 30 | 31 | | | | | | + | | 28 | 29 | 30 | 31 | | | | |
| + | ===== 2026年01月 ===== | ||
| + | ^ 星期日 ^ 星期一 ^ 星期二 ^ 星期三 ^ 星期四 ^ 星期五 ^ 星期六 ^ | ||
| + | | | | | | 1 | 2 | 3 | | ||
| + | | 4 | 5 | 6 | 7 | 8 | 9 | 10 | | ||
| + | | 11 | 12 | 13 | 14 | 15 | 16 | 17 | | ||
| + | | 18 | 19 | 20 | 21 | 22 | 23 | 24 | | ||
| + | | 25 | 26 | 27 | 28 | 29 | 30 | 31 | | ||
| ====== 课程教学大纲 ====== | ====== 课程教学大纲 ====== | ||
| ===== 课程简介 ===== | ===== 课程简介 ===== | ||
| 《统计机器学习》课程包括管理领域常用到的机器学习模型和方法，为学生解决管理中的实际问题提供方法支撑。主要内容包括：监督学习方法、序列标注方法、无监督学习法、概率主题模型等。课程由浅入深，阐明思路，给出必要的数学推导辅助理解，以及相应的开源工具包，便于学生掌握统计机器学习方法的实质，学会在实际研究工作中灵活运用。 | 《统计机器学习》课程包括管理领域常用到的机器学习模型和方法，为学生解决管理中的实际问题提供方法支撑。主要内容包括：监督学习方法、序列标注方法、无监督学习法、概率主题模型等。课程由浅入深，阐明思路，给出必要的数学推导辅助理解，以及相应的开源工具包，便于学生掌握统计机器学习方法的实质，学会在实际研究工作中灵活运用。 | ||
| - | ===== 参考教材 ===== | + | |
| - | *赵卫东，董亮，2018. 机器学习. 人民邮电出版社. | + | |
| - | *Christopher M. Bishop, 2006. Pattern Recognition and Machine Learning. Springer. | + | |
| - | *C. A. Rosen & C. W. Stork, 2000. Pattern Classification. John Wiley & Sons. | + | |
| - | *Anand Rajaraman and Jeffrey David Ullman, 2012. Mining of Massive Datasets. Cambridge. | + | |
| - | *Sean Owen, Robin Anil, Ted Dunning, and Ellen Friedman, 2012. Mahout in Action. Manning. | + | |
| - | *Jiawei Han and Micheline Kamber, 2006. Data Mining: Concepts and Techniques, 2nd Edition. Morgan Kaufmann Publishers. | + | |
| - | *相关参考文献 | + | |
| ===== 考核与成绩评定 ===== | ===== 考核与成绩评定 ===== | ||
zh/courses/ml2025/index.1762924718.txt.gz · 最后更改: 2025/11/12 13:18 由 pzczxs