现代的机器学习正在快速转化粒子物理，将其欺凌的方式欺负到我们的数值工具盒。对于年轻的研究人员而言，至关重要的是要掌握这一发展，这意味着将尖端的方法和工具应用于LHC物理问题的全部范围。这些讲义使学生对粒子物理学的基本知识以及对相关应用的机器学习的重要热情。他们从LHC特定的动机和非标准的神经网络介绍开始，然后涵盖分类，无监督的分类，生成网络和倒数问题。定义大部分讨论的两个主题是确定的损失函数和不确定性感知的网络。作为应用程序的一部分，注释包括理论LHC物理学的某些方面。所有示例都是从过去几年的粒子物理出版物中选择的。1