机器学习研究入门

本网络课程是面向对希望开展机器学习相关科研的研究生（研一为主）或有一定数学基础的高年级本科生。课程特点是偏理论，范围不广但知识点具有较强的可推广性。尤其适合作为精读“Pattern Recognition and Machine Learning”或其他偏统计角度的机器学习著作之前的预备课程。授课老师为上海财经大学涂文婷老师。本网络课程的主要参考教材包括：

PRML: Christopher M. Bishop Pattern Recognition and Machine Learning. Springer.

统计学习方法2: 李航统计学习方法（第二版）. 清华大学出版社.

机器学习: 周志华机器学习. 清华大学出版社.

课程进度与参考资料（持续更新中）

Topic	Primary Readings	Supplemental Readings	Slides	Vedios
Introduction	《PRML》(chapters of Introduction)	-	slides	vedios
Linear Models	《PRML》(chapters of Linear Models for Regression and Linear Models for Classification)	-	slides	vedios
Decision Trees and Ensemble Learning	《统计学习方法2》(chapters of 决策树) 《机器学习》(chapters of 集成学习)	《PRML》(chapters of Combining Models)	slides	vedios
Clustering and Mixture Models	《PRML》(chapters of Mixture Models and EM)	《统计学习方法2》(chapters of EM算法及其推广)	slides	vedios
Feature Engineering	《PRML》12.1;《机器学习》11.1-11.3 《统计学习方法2》17.1-17.2	-	slides	vedios

后续计划建设的网络课程包括《强化学习基础》，《深度学习基础》以及《机器学习实战（金融科技）》。感兴趣的同学可以为老师的B站视频多多点赞投币（在不花费任何金钱的前提下）以及留言对上面三门课程当中的哪门最感兴趣。P.s., 涂老师留言：本人目前并非大佬，教学经验也不算很丰富，但还是希望做的网络课程能够鼓励越来越多聪明可爱的学生对机器学习的研究感兴趣。谢谢关注！