机器学习（Machine Learning）是人工智能的核心研究领域之一，并取得了广泛的应用效果，是引领这一轮“人工智能热潮”的关键技术支撑。

        本课程覆盖机器学习的基本理论框架以及核心方法，对机器学习中最重要的基础知识点和算法思想进行讲述。课程内容主要包括：绪论，模型评估与选择，线性模型，决策树，支持向量机，神经网络，贝叶斯分类器，集成学习和聚类。通过构建约8周的基础知识点体系，既能够帮助初学者提纲挈领地了解机器学习领域全貌，也不失内容的专业性，使学生能够具备后续自我学习的能力，从而可以通过阅读相关参考文献进行进一步的深入学习。

本课程的教学目标是使学生对机器学习有初步的认识，初步掌握机器学习的基本原理和方法，并初步形成利用机器学习技术解决问题的思维方式。

本课程成绩分为章节习题和期末测试两部分。章节习题占总评成绩60%，期末测试占总评成绩的40%，最终总评成绩在60分以上即为合格，可获得证书；总评成绩90分以上为优秀。每小节视频后也附有随堂测验，用于自我检查知识点学习情况，随堂测验不计入总分。

学习者需具备一定的微积分、线性代数、概率统计、最优化方法的基础知识。

[1] 周志华 著. 机器学习, 北京: 清华大学出版社, 2016年.