课程描述机器学习课程的设计是为您提供ML算法的基础知识及其在解决与工程领域有关的问题中的使用。本课程将培养并将您转变为具有深入了解各种算法和技术的熟练学生,例如回归,分类,监督和无监督的学习等。本课程从建模和预测的角度介绍了机器学习的原理,算法和应用。它包括学习问题的表述和表示,过度拟合和概括的概念。教科书:1)Marco Gori,机器学习:基于约束的方法,Morgan Kaufmann。2)2017年Ethem Alpaydin,机器学习:新AI,麻省理工学院出版社 - 2016年3)Stephen Marsland,Taylor&Francis2009。机器学习:算法
教科书: 1. Stuart Russell 和 Peter Norvig,“人工智能——一种现代方法”,第四版,Pearson Education,2021 年。 2. Ethem Alpaydin,“机器学习简介”,麻省理工学院出版社,第四版,2020 年。 参考文献: 1. Dan W. Patterson,“人工智能和专家系统简介”,Pearson Education,2007 年 2. Kevin Night、Elaine Rich 和 Nair B.,“人工智能”,McGraw Hill,2008 年 3. Patrick H. Winston,“人工智能”,第三版,Pearson Education,2006 年 4. Deepak Khemani,“人工智能”,Tata McGraw Hill Education,2013 年(http://nptel.ac.in/) 5. Christopher M. Bishop,“模式识别和机器学习”,Springer,2006 年。 6. Tom Mitchell,“机器学习”,McGraw Hill,第 3 版,1997 年。 7. Charu C. Aggarwal,“数据分类算法和应用”,CRC Press,2014 年 8. Mehryar Mohri、Afshin Rostamizadeh、Ameet Talwalkar,“机器学习基础”,MIT Press,2012 年。 9. Ian Goodfellow、Yoshua Bengio、Aaron Courville,“深度学习”,MIT Press,2016 年
课程网站:myasucourses.asu.edu (Canvas) 联系信息 讲师:Shenghan Guo 办公室地点:Peralta Hall 335G 虚拟办公室时间:星期四,下午 2:00 - 3:00 及预约 电话:480-727-5120 电子邮件:Shenghan.Guo@asu.edu 课程描述 这是一门研究生课程,介绍机器学习和人工智能的概念和基本方法。 它包含几个部分:机器学习相关概念、概率推理、神经网络和监督/无监督学习。 编程将是课程的关键部分。 学生将使用编程语言编写机器学习算法并解决问题。 入学要求 先决条件:统计、概率论和线性代数的基础知识;编程技能,例如 Python、C/C++、R、JAVA 或 MATLAB。教材可选,但推荐:《机器学习简介》,第三版,Ethem Alpaydin,出版商:麻省理工学院出版社,ISBN 978-0-262-02818-9 总体课程目标和预期学习成果 目标是让学生从方法论和实践的角度深入了解机器学习。要成功完成本课程,学生必须展示对机器学习模型和使用 Python 或其他编码语言通过机器学习解决问题的知识。
•从数据中学习,Yaser S. Abu-Mostafa,Malik Magdon-Ismail,Hsuan-Tien Lin,2012年。(书籍网页:http://work.caltech.edu/textbook.html)•使用Scikit-Learn,keras和Tensorflow的动手机器学习:构建智能系统的概念,工具和技术•机器学习的第一门课程,第2版,西蒙·罗杰斯(Simon Rogers),马克·吉罗拉米(Mark Girolami),CRC出版社,2017年。ISBN-13:978-1-4987-3856-9•机器学习精致,第2版,Jeremy Watt,Reza Borhani,Aggelos K. K. K. K. Katsaggelos,Cambridge University Press,2020(在线提供:https://ciml.info)•机器学习,汤姆·米切尔(Tom Mitchell)。(http://www.cs.cmu.edu/af/afs/cs.cmu.edu/user/user/mitchell/mitchell/ftp/ftp/ftp/mlbook.html)•机器学习简介,EthemAlpaydın,第3版,第3版,MIT Press,2015年。•模式分类,第2版,R。O。Duda,P。E。Heart,D。G。Stork,Wiley,Wiley,2000。•深度学习,伊恩·古德法罗(Ian Goodfellow),Yoshua Bengio,亚伦·库维尔(Aaron Courville),麻省理工学院出版社,2016年。(在线提供:https://www.deeplearningbook.org/)
教授。 Mahire Huseynova - 阿塞拜疆国立师范大学教授Abdulhamit Sinanoghlu - Kahramanmaras Sutcu Imam 大学教授Isa Halilov - 阿塞拜疆技术大学教授。 Alekber Aliyev – 巴库国立大学教授Nizami Yusubov – 阿塞拜疆技术大学副教授。教授。 Hakkı Chiftchi - Chukurova 大学副教授。教授。 Ayşe Erkmen- 加济安泰普大学副教授。教授。 Dinara Fardeeva - 鞑靼斯坦科学院副教授。教授。 Gonul Samedova - 阿塞拜疆国立师范大学副教授。教授。纳齐尔·阿卜杜拉扎德 - 阿塞拜疆国立师范大学副教授。教授。 Irade Kerimova - 阿塞拜疆国立师范大学副教授。教授。 Vugar Mustafayev – 明盖切维尔州立大学副教授。教授。 Nizami Zeynalov – 明盖切维尔州立大学副教授。教授。 Nusabe Kadimli – 明盖切维尔州立大学副教授。教授。 Almaz Aliyeva – 明盖切维尔州立大学副教授。教授。 Esmira Jafarova – 明盖切维尔州立大学副教授。教授。 Flora Namazova – 明盖切维尔州立大学副教授。教授。 Emilia Huseynova – 明格切维尔州立大学副教授。教授。 Sahib Mustafayev – 明盖切维尔州立大学副教授。教授。 Asim Mammadov – 明盖切维尔州立大学副教授。教授。 Sebuhi Kahramanov – 明盖切维尔州立大学副教授。教授。 Beyali Ahmedov – 阿塞拜疆技术大学副教授。教授。 Iftihar Chelebi - 阿塞拜疆技术大学副教授。教授。 Huseyn Mirzeyev – 巴库工程大学副教授。教授。 Ramil Sadigov - 阿塞拜疆国立大学