信息科學碩士:機器學習

本課程介紹信息時代的基本思想，重點介紹信息的價值、組織、使用和處理。本課程的組織形式是對這些觀點的調查，並閱讀研究文獻。

本課程將向學生介紹數據挖掘的概念和技術，以發現知識。它包括在統計、大規模數據分析、機器學習、模式識別、數據庫技術和人工智能領域發展的方法，用於對大量數據進行自動或半自動分析，以提取以前未知的有趣模式。

本課程提供有效數據可視化所需的各種概念和技能的概述。它介紹了圖形設計的原則，編程技能和統計知識，需要建立引人注目的可視化，有效地溝通目標受眾。

本課程將介紹機器學習的基本原理，描述如何實現模式識別、特征選擇、聚類和獎勵最大化決策的幾種實用方法，並為開發新的機器學習算法提供基礎。

本課程將利用概念、框架和最佳實踐來設計基於雲的數據倉庫解決方案，並探索如何使用分析工具對數據進行分析。對於已確定的項目，學習者將在導師的支持下審查和挖掘現有數據和相關數據源，並形成初步見解並提出結果。

本課程將涵蓋構建係統所需的基本知識，如網絡爬行、索引構建和壓縮、布爾、基於矢量和概率檢索模型、文本分類和聚類、鏈接分析算法(如PageRank)和計算廣告。

本課程將幫助學習者了解如何訓練和優化前饋、卷積和循環神經網絡，用於文本分類、圖像識別和遊戲等任務。

本課程介紹統計自然語言處理的關鍵概念。學生將學習各種自然語言的計算建模技術，包括:n元模型、平滑、隱馬爾可夫模型、貝葉斯推理、期望最大化、維特比、概率上下文無關語法的內外算法和高階語言模型。

本課程將重點討論在各種條件下自動化決策的方法，包括完整和部分信息，以及處理不確定性。學生將獲得使用這些技巧來解決各種問題的程序編寫實踐經驗。

本課程將為學生提供一個展示他們在項目中掌握的技能的機會。在指導老師的直接指導下，學生將完成他們選擇的具有實際意義的項目。