本课程的教学目标为：

（1）培养研究生利用人工智能和机器学习理论进行研究的基本素养；

（2）了解国内外人工智能和机器学习的最新进展、研究成果与发展趋势；

（3）学会运用人工智能和机器学习的思想去思考和研究问题；

（4）掌握一些具体的、基本的人工智能和机器学习算法。

（一）人工智能基础
1. 概论：基本概念、过程、方法、应用案例；特征向量和特征空间

2. 数学基础：模糊数学和数理逻辑

3. 知识表示

4. 推理理论（经典推理和不确定推理）

5. 搜索理论

（二）数据基础
1. 数据分析与数据挖掘介绍
2. 数据类型，属性与度量，数据集的类型； 数据质量，测量、收集和
应用问题；探索数据，汇总统计，可视化；数据预处理
（三）机器学习基础
1. 相似性度量
2. 分类器定义，决策树模型，分类器评估
3. 基于规则的分类器与最近邻分类器
4. 概率分类器
5. 人工神经网络，支持向量机
6. 分类器集成技术
7. 无监督学习和深度学习
8. 无监督贝叶斯学习
9. 准则函数、 k 均值聚类、模糊 c 均值聚类，层次聚类、基于密度估计的聚类算法
10. 模式识别经典内容选讲
11. 机器学习前沿讲座