爱丁堡大学 本科

INFR10086 机器学习

爱丁堡大学本科机器学习（INFR10086）课程主要探讨了监督学习领域，这一领域的重点是学习如何根据输入数据预测输出结果。另一个研究方向是无监督学习，旨在发现模式集合中的内在结构。本课程旨在培养学生对教学大纲中所涵盖的各类技术的认知与批判性理解，使其能够在实践中应用、验证并优化这些方法。

INFR10086机器学习课程主要内容：

用于阐释和探索核心概念的具体方法与算法每年会略有调整，但主要主题框架保持相对稳定。主要内容包含：

• 分类与回归：线性回归、逻辑回归、贝叶斯分类器

• 扩展特征表示：基函数、决策树、神经网络、核方法

• 泛化与正则化：惩罚成本函数、贝叶斯预测、欠拟合与过拟合

• 模型选择与性能评估：交叉验证、ROC曲线与PR曲线

• 伦理与机器学习：公平性、可追溯性、透明度、隐私问题

• 表示学习：降维、聚类、特征学习

• 更高级方法

为支撑上述主题，课程还将涵盖：

- 优化与随机梯度下降

- 实践问题：将问题转化为机器学习框架，调整方法适应具体问题

- 机器学习中重要的数值计算与编程问题

INFR10086机器学习课程学习成果：

1、阐释机器学习（ML）的范围、目标与局限，以及该领域的主要分支

2、描述并批判性比较课程大纲涵盖的各类技术，说明这些技术在学科体系中的定位

3、展示对ML模型局限性、潜在失效模式及相关伦理问题的认知

4、验证并优化学习算法的实现方案，将其应用于实践

5、采用系统化方法开展实验研究，包括评估模型性能的最佳实践