Statistical Machine Learning

课程简介

统计学习与计算分析基础：概览统计学习，复习概率与统计，并介绍Python在数据分析中的应用。 回归与分类模型：线性和非线性回归方法，逻辑回归及相关技术，用于预测和分类问题。 时间序列建模与降维技术：时间依赖数据的基本概念和模型，主成分分析及其他处理高维数据集的方法。 现代机器学习算法及其应用：基于距离的学习方法，决策树，集成技术，聚类，及其在金融等相关领域的应用。

学习目标

向学生介绍统计机器学习的关键原理和方法。本课程培养学生的Python数据分析和模型构建能力，并通过金融及相关应用领域的实践，评估和解释结果。

先修要求

无

教学模式

本课程主要通过讲座和基于练习的辅导课进行讲授。教学和学习方法主要以解决问题为导向。鼓励学生采用深入学习的方法，运用批判性思维、评价性思维等高级认知策略，将理论与实践相结合。