模式识别与机器学习教与学（教学大纲）
✦
教学大纲
✦
1
课程简介（中英文）
模式识别与机器学习是人工智能领域的核心课程之一。本课程全面讲授模式识别与机器学习的基本概念与典型算法，以计算机视觉、自然语言处理中的问题为典型应用，培养学生对人工智能的研究兴趣，为继续从事模式识别与机器学习方向的科学研究与工程应用打下坚实的基础。
Pattern recognition and machine learning is one of the core courses in artificial intelligence. This course systematically introduces the basic concepts and typical algorithms in the field of pattern recognition and machine learning, and their applications in computer vision and natural language processing. It also aims at activating students’ research interest on artificial intelligence, and lay a solid foundation on pattern recognition and machine learning research and applications.
2
课程目标
目标1：掌握模式识别与机器学习研究领域中的基本方法与重要技术；
目标2：熟悉一般模式识别系统的基本组成；
目标3：了解模式识别与机器学习所涉及的实际应用问题；
目标4：掌握Matlab/Python编程工具的使用；培养学生初步的创新思维。
3
教学内容与安排
第一章 引言
学时：2
本章节内容概述：明确模式识别与机器学习的含义，感受它与人类智慧的联系；理解几类典型机器学习系统的计算流程；了解部分前沿研究方向，体会模式识别与机器学习领域的魅力。
第二章 贝叶斯学习基础
学时：4
本章节内容概述：掌握贝叶斯公式在机器学习中的应用思路；能够熟练运用贝叶斯决策方法；明确分类器相关的基本概念；掌握基于高斯分布的贝叶斯分类器；理解朴素贝叶斯分类器；能够熟练运用各种参数估计方法。
第三章 逻辑回归
学时：4
本章节内容概述：掌握线性回归及其模型求解方法；理解贝叶斯线性回归；掌握逻辑回归及其模型求解方法；理解贝叶斯逻辑回归。
第四章 概率图模型基础
学时：4
本章节内容概述：明确判别式和生成式概率图模型的区别；掌握有向图模型的模型表示、条件独立性刻画，理解常见的有向图模型；掌握无向图模型的模型表示、条件独立性刻画，理解常见的无向图模型；掌握对树状结构因子图进行推理的和积算法和最大和算法。
第五章 支持向量机
学时：2
本章节内容概述：理解大间隔原理；掌握基本的支持向量机分类模型；能够熟练运用拉格朗日对偶优化技术；掌握数据线性不可分情形下的分类模型，以及核方法的建模原理；理解支持向量机回归的原理；了解支持向量机的模型扩展。
第六章 人工神经网络与深度学习
学时：4
本章节内容概述：掌握感知机模型和学习算法；掌握多层神经网络模型和误差反向传播训练算法；理解深度神经网络的典型挑战问题；能够熟练运用至少两种常见的深度神经网络。
第七章 聚类
学时：4
本章节内容概述：理解聚类的两大类方法；掌握K-均值聚类方法，理解模糊K-均值聚类的原理；掌握谱聚类方法；掌握高斯混合模型聚类方法，了解无限高斯混合模型。
第八章 主成分分析与相关的谱方法
学时：4
本章节内容概述：能够熟练运用主成分分析；理解概率主成分分析的原理；理解核主成分分析的原理；能够熟练运用线性判别分析和典型相关分析。
第九章 强化学习
学时：6
本章节内容概述：明确强化学习与监督学习的区别；掌握强化学习的基本概念，理解其理论基础；掌握有环境模型的预测与控制方法；能够熟练运用至少两种基于值函数的无环境模型控制方法；能够熟练运用至少一种基于策略的无环境模型控制方法。
第十章 复习与备考
学时：2
本章节内容概述：对课程全部内容进行梳理和考前答疑，准备期末考试。
4
主要教学方法
本课程教学主要采用课堂讲授方式，通过理论与实际应用相结合的方式增强学生理论联系实际的能力。
5
考核方式与要求
平时成绩占30%，包括平时作业完成情况、出勤情况等；
期末笔试成绩（完全闭卷或者允许记录一页A4纸参考内容）占70%。
6
教材与参考资料
孙仕亮，赵静. 模式识别与机器学习. 清华大学出版社，2020.
✦
参考书籍
✦
孙仕亮
作者简介
清华大学博士，上海交通大学教授，主讲本科和研究生“模式识别与机器学习”“高级机器学习”等课程，并在英国伦敦大学学院、美国哥伦比亚大学从事访问合作研究。在模式识别与机器学习领域的国际著名期刊和会议发表学术论文100余篇，承担多项国家级、省部级科研项目及国际知名企业的合作研究项目，研究成果多次获得省部级科学技术奖励。
赵静
华东师范大学博士，副教授。从事模式识别与机器学习领域的研究，包括概率模型、贝叶斯学习、近似推理与优化。主讲研究生“高级机器学习”和本科生“可信机器学习”等课程。入选上海市2016年度“扬帆计划”和2019年度“晨光计划”。发表论文近50篇，代表性成果发表于JMLR、T-CYB、IJCAI等国际顶级期刊和会议。
《模式识别与机器学习》自出版以来，受到读者的认可，已被清华大学、中科院自动化所、上海交通大学、华东师范大学、安徽大学、中南大学、江苏海洋大学、广东工业大学、湖南科技大学、浙江工业大学、山东财经大学、南京审计大学等多所高校选为教材。
在公众号书圈后台回复【9787302558927】，下载本书配套的教学资源
单击页面下方【阅读原文】，订阅【教学大纲】栏目