该讲座主要面向机器学习、计算机科学或相关学位的硕士学生,但也可能吸引其他学科的学生,如数学、物理、语言学、经济学等。如果有疑问,请参加第一堂课并与我们交谈。
该报告的重点是机器学习的算法和理论两个方面。我们将介绍许多标准算法,并了解构建良好机器学习算法的一般原理和理论结果。主题范围从已经确立的结果到最近的结果。
贝叶斯决策理论,没有免费的午餐定理。
监督学习问题(回归,分类): 简单基线(最近邻,随机森林);线性方法;正则化; 支持向量机,非线性核方法及其背后的理论
无监督学习问题:PCA降维到流形方法从k-means到谱聚类和谱图理论,从MDS到t-SNE的嵌入算法
统计学习理论:一致性和泛化界限
社会背景下的机器学习:公平、可解释性等
低秩矩阵完成,压缩感知
排序