Advanced Statistical Learning

课程简介

介绍 统计学习概览 非参数统计复习 高维统计复习 深度神经网络 深度神经网络函数 基于深度神经网络的非参数回归 深度神经网络的逼近性质 随机误差分析的实证过程理论 深度非参数回归的误差分析 分布学习 非参数密度估计 生成学习：GANs, VAE 扩散模型 分布学习的误差分析 应用 条件分布学习 非参数条件密度估计 条件生成学习 监督学习 半监督学习 预测：置信预测 条件分布学习的误差分析 应用 学习与优化 学习与优化的区别 神经网络优化面临的挑战 随机梯度下降 表示学习（视情况而定） 监督表示学习 自监督学习 应用：迁移学习和领域适应

学习目标

介绍统计学习中最重要和最现代的方法、理论和算法，为对数据科学及相关领域感兴趣的研究生提供坚实的基础。

先修要求

大学微积分课程、大学线性代数课程和基本的数学统计学

教学模式

本课程主要通过讲座、辅导课和课堂讨论、问题解答来教授。鼓励学生阅读相关书籍和研究论文。教学和学习方法主要以问题解决为导向。该方法旨在发展统计学习方法、理论和算法，并探讨它们如何应用于解决研究和实际应用问题。