《智能信息处理的统计方法》( 2017.9- 2018.1

(http://admis.fudan.edu.cn/courses/2017/IIP.htm)

一、主讲老师

  • 周水庚教授 (sgzhou@fudan.edu.cn

  • 办公室:逸夫楼 502

  • 电话: 55664967

  • 主页:http://admis.fudan.edu.cn/~sgzhou

二、课程性质

  专业必修课

三、预修课程

  概率论与统计,算法基础,编程语言

四、教学目的

  通过本门课程的学习,使学生掌握智能信息处理中的主要统计方法与算法的理论基础;在此基础上,通过充分的课程项目,使学生能够熟练使用这些方法或者算法,并用它们解决一些具体的应用问题。

五、基本内容

  主要内容包括:1)概率与统计基础;2)期望最大(Expectation Maximization)算法;3)隐马尔科夫模型及相关算法;4)条件随机场及相关算法;5)随机游走及相关算法; 6)主题模型及相关算法;7)随机投影及相关算法。

六、基本要求

  要求学生1)掌握课堂讲授的内容;2)阅读布置的课外参考文献;3)完成课程项目,每一部分内容都有相应的课程项目(projects);4)通过期末考试。

七、参考教材

  • [1] Kevin P. Murphy, Machine Learning: a Probabilistic Perspective, MIT, 2012

  • [2] Charles Sutton and Andrew McCallum, An Introduction to Conditional Random Fields, Foundations and Trends in Machine Learning, vol. 4 , issue 4, 2012

  • [3] Gregory F. Lawler and Vlada Limic, Random Walk: A Modern Introduction, Academic, 2010

  • [4] C. Bishop, Pattern Recognition and Machine Learning, Springer, 2007

八、阅读材料

  • Expection Maximization
  • Hidden Markov Models
  • Max entropy modeling of distributions
  • Latent Dirichlet Allocation
  • 九、课程考核

    • 考核方式: 作业主要是课程项目,每一部分内容都会有项目(每个同学至少完成4个项目);期末有考试,考试为笔试,以理论基础为主。学生成绩由平时上课、课程项目和考试几部分构成,比例分别为:5%(上课)+10%(课堂报告)+60%(课程项目)+25%(期末考试)。

    • 期末考试:时间待定;

    十、欺骗惩罚

      一旦发现如下欺骗行为,取消该门课程成绩: 抄袭作业、抄袭程序代码和考

    试作弊。

     

    十一、课程项目

     

    十二、课程安排 

    课程周

    时间

    内容

    课件

    1

    Sept 13

    1) Intro to the course
    2) Intro to machine learning

    第1讲I

    第1讲II

    2

    Sept 20

    Basics of probability theory

    第2讲

    3

    Sept 27

    Generative Models for Discrete Data

    第3讲I

    第3讲II

    4

    None

    5

    None

    6

    Oct 18

    Linear Regression and Logistic Regression

    第4讲

    7

    8

    9

    10

    11

    12

    13

    14

    15

    16


    Back to Shuigeng's Homepage