SDSC6001
统计机器学习 II
📘 简介
本课程专注于无监督和监督学习的理论基础与基本方法，以及深度学习方法。课程还包括 Python 编程的训练，用于实现相关算法和方法。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 阐述机器学习和深度学习的基本原则、理论与方法；
✔️ 对比和评估不同的机器学习和深度学习模型；
✔️ 实现常见的机器学习和深度学习算法以分析和解释数据集；
✔️ 使用现有方法或创新算法解决实际问题。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📄 测试 | 50% | 综合测试学生对机器学习和深度学习理论及应用的掌握情况。 |
| 🖥️ 小项目 | 25% | 学生独立完成一个机器学习问题的小项目，包括撰写报告和分析数据。 |
| 🗣️ 项目展示 | 25% | 演示小项目结果，评估学生沟通复杂想法的能力及其专业表现。 |
💬 课程评价
✨ 精选评价
💡 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