模式识别与机器学习课程笔记（1）：绪论

课程介绍

• ⑴课程适应于EECS背景的研究生，应具有以下先修
  知识
  ①线性代数（Linear algebra）
  ②概率与数理统计Probability theory, statistics
  ③数据结构（Data structures）
  ④编程语言 MATLAB or C/C++ or Python
  ⑵本课程不需要事先具备：
  ①imaging experience, image processing
  ②computer vision, or graphics
• 参考教材：
  （1）孙即祥，《模式识别与机器学习（第二版）》，高等教育出版社，2008.
  （2）Christopher M Bishop. Pattern Classification and Machine Learning[M]. Springer. 2006.
  （3）Ian Goodfellow，Yoshua Bengio，Aaron Courville. Deep Learning[M]. The MIT Press. 2016.
  （4）Richard O. Duda, Peter E. Hart, David G. Stock. Pattern Classification[M]， Second Edition. Wiley-Interscience Publication. 2001.
• 出版物：
  ⑴ Journals
  ① IEEE Transaction on Pattern Analysis and Machine Intelligence (TPAMI)
  ② Pattern Recognition Journal (PRJ)
  ③ Pattern Recognition Letters (PRL)
  ④ Pattern Analysis and Application (PAA)
  ⑤ International Journal of Pattern Recognition and Artificial Intelligence (IJPRAI)
  ⑥ Machine Learning Journal (MLJ)
  ⑦ Journal of Machine Learning Research (JMLR)
  ⑧ IEEE Transaction on Knowledge and Data ngineering (TKDE)
  ⑵ Conferences
  ① IEEE Conference on Computer Vision and Pattern Recognition (CVPR)
  ② International Conference on Pattern Recognition (ICPR)
  ③ NIPS，ICML，IJCAI，ICCV、ECCV、BMCV，ICLR
• 课程主要内容：
  第一章 绪论
  第二章 贝叶斯决策论
  第三章 统计决策中的经典学习方法
  第四章 线性判决函数
  第五章 核方法
  第六章 神经网络
  第七章 聚类分析
  第八章 特征提取与选择
  第九章 决策树
  第十章 采样方法
  第十一章 深度学习
  第十二章 生成对抗网
  第