课程介绍：VE445——Introduction to Machine Learning

学生会全新板块

高阶选修课选课指南

1月4日惊险刺激的选课大战又将打响！

为了丰富学院的课程体系，学院正在逐渐为我们推出更多的全新高阶选修课。怎么？面对这些全新课程不知道该选什么？

别慌！学生会内联部为大家开设了新版块，在每次选课前，我们都会为大家介绍同学们关注的一些热门的全新高阶选修课。

本次推送我们将会关注苑波（Prof. Yuan）老师的VE445——机器学习导论Introduction to Machine Learning。

课程简介

课程特色

Machine Learning

本课程将会着眼于人工智能技术的概述，并会要求学生掌握SVM和CNN等重要技术。通过本课程的学习，学生将会对人工智能技术有一定的认识，并能掌握一些重要的机器学习模型和算法。

课程安排

Machine Learning

VE445由以下四部分组成：

3次lab(15%)，

4次homework(20%)

1次project(15%)

1次final exam(50%)

由于课程的教学大纲syllabus目前正在编写中，最终安排可能会有所出入，仅供参考。

其中，3次lab的主要内容分别是：SVM，GAN和reinforcement learning。实验需要同学熟练掌握Python 和 Tensorflow。

4次homework主要内容是阅读《Nature》和谷歌的《Deepmind》上的论文，并完成相关作业问题。

project的内容是利用深度学习做出金融预测模型。

课程难度

Machine Learning

VE445由以下四部分组成：

3次lab(15%)，

4次homework(20%)，

1次project(15%)

1次final exam(50%)

由于课程的教学大纲syllabus目前正在编写中，最终安排可能会有所出入，仅供参考。

其中，3次lab的主要内容分别是：SVM，GAN和reinforcement learning。实验需要同学熟练掌握python and tensorflow。

4次homework主要内容是阅读《nature》和谷歌的《Deepmind》上的论文，并完成相关作业问题。

project的内容是利用深度学习做出金融预测模型。

Machine Learning

由于是概论课程，本课程的重点将不会是数学计算和算法（但依旧会在lab和RC课重涉及）。课程的平均分将会在85分左右。综上来说，本课程不会非常硬核和困难。

如有其他问题，欢迎咨询本课程的授课老师和助教。联系方式

最后祝大家选课愉快！

编辑：卢嘉晨、张天成