SDSC5001
统计机器学习 I
📘 简介
本课程专注于统计机器学习的理论基础和基本方法，涵盖概率论和统计推断的关键概念、回归和分类的经典与前沿方法，以及无监督学习的常用方法。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 总结统计推断理论在机器学习中的关键概念；
✔️ 构建基本的统计回归和分类模型；
✔️ 建立核机器与正则化形式；
✔️ 描述每种学习方法中的偏差-方差权衡；
✔️ 运用所学的机器学习方法解决实际数据分析问题。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📝 小组项目 | 20% | 团队协作项目，专注于解决实际数据分析问题。 |
| 🖥️ 作业 | 30% | 强化所学概念和技术的作业任务。 |
| 📄 考试 | 50% | 2小时书面考试，涵盖理论和实践内容。 |
注意：考试部分有最低通过要求。
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到网站中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 贡献指南 页面，通过 GitHub 提交您的贡献。
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU