近年随着数据复杂度的不断提高，经典机器学习算法已经很难满足实际需求，适应于不同复杂环境、不同领域的学习机制和学习方法不断涌现，针对复杂数据对象、复杂任务和模拟人脑思维过程的机器学习理论逐渐成为数据挖掘和智能信息处理的主流。掌握并熟练应用这些新型机器学习理论和相关算法成为计算机学科研究生必备的技能之一。
本课程基于经典机器学习算法，重点介绍近年流行的机器学习理论和算法，并通过提供的统一实验验证平台进行实践，可以使学生不仅能够熟练掌握先进的机器学习理论知识，并能学习将其应用于新一代信息智能处理的系统方法。
课程主要介绍机器学习的理论和相关算法；课程内容涵盖基础篇：经典机器学习方法的回顾、概率图生成模型（Generative learning）和概率图判别模型（Discriminative learning），进阶篇：介绍最近流行的深度学习、表示学习、增强学习、自动机器学习以及对抗学习，高级篇：介绍当前热点的预训练、自学习以及认知图谱等。
网页链接：
AMiner