机器学习，深度学习、计算机视觉、计算机图形学

   

081203-计算机应用技术

机器学习，深度学习，模式识别
计算机视觉，多媒体技术
大模型

2000-09--2005-06   中科院研究生院   博士研究生
1996-09--1999-03   东北大学   硕士研究生
1992-09--1996-06   东北大学   本科生

-- 研究生

-- 博士

   

2011-03~2012-02,Rutgers，The State University of New Jersey, USA, 访问学者
2005-07~现在, 中国科学院大学, 教师
1999-04~2000-08,广州金鹏集团有限公司, 软件工程师

图像处理与计算机视觉
模式识别与机器学习
算法中的最优化方法
文献阅读-计算机应用技术 1班
文献阅读
多媒体智能分析的研究进展及展望
TCP/IP协议及网络编程技术
操作系统高级教程
超大规模集成电路基础
机器学习
多媒体数据压缩
机器学习案例分析
信源编码
文献阅读课
统计学习应用案例
统计学习基础
统计学习及应用
计算机网络导论

已指导学生

杨涛  硕士研究生  081203-计算机应用技术  

池晨  硕士研究生  081203-计算机应用技术  

王崇秀  硕士研究生  081203-计算机应用技术  

孟令勋  硕士研究生  081203-计算机应用技术  

帅佳玫  硕士研究生  081203-计算机应用技术  

李子怿  硕士研究生  085211-计算机技术  

许震  硕士研究生  081203-计算机应用技术  

单鼎一  硕士研究生  085211-计算机技术  

王清  硕士研究生  081203-计算机应用技术  

郭双双  硕士研究生  081203-计算机应用技术  

张建功  硕士研究生  085211-计算机技术  

朱嘉桐  硕士研究生  085211-计算机技术  

佘琛  硕士研究生  085211-计算机技术  

李瑞鑫  硕士研究生  081203-计算机应用技术  

现指导学生

仝浩然  硕士研究生  085400-电子信息  

杨晨  博士研究生  081203-计算机应用技术  

迪力木拉提·阿力木  硕士研究生  085400-电子信息  

闫鹏飞  博士研究生  081203-计算机应用技术  

崔栩  硕士研究生  081203-计算机应用技术  

刘钰卿  硕士研究生  085400-电子信息  

马云川  博士研究生  081203-计算机应用技术  

   

机器学习 2013 秋季 日程安排
 
教材[MLPP]：Kevin P. Murphy, Machine Learning: A Probabilistic Perspective 

辅助教材：
[PRML] Christopher M., Pattern Recognition and Machine Learning, Springer Press, 2006
[AOL] Wasserman L., All of Statistics: A Concise Course in Statistical Inference, Springer Press， 2005 中译版：张波、刘中华、魏秋萍和代金译，统计学完全教程，科学出版社，2008年
[ESL] Hastie T., Tibshirani R. Friedman J., The Elements of Statistical Learning - Data Mining, Inference and Prediction, Springer Press, 2010 中译版：范明，柴玉梅，昝红英译，统计学习基础—数据挖掘、推理与预测，电子工业出版社 

课次    日期      课程内容                               阅读材料
1         09/09    机器学习简介                      [MLPP] Chapter 1
2         09/11     概率复习                             [MLPP] Chapter 2 

09/16 暂停
09/18 暂停 

3          09/23     极大似然估计                    [MLPP] Chapter 6
4          09/25     贝叶斯统计                        [MLPP] Chapter 3,5 

5          09/30    多元高斯模型                     [MLPP] Chapter 4 
6          10/09     多元高斯模型
7          10/14    Fisher判别分析 

8         10/16   统计决策理论                        [MLPP] Chapter 6 

9         10/21    线性回归的MLE                   [MLPP] Chapter 7
10       10/23    线性回归的贝叶斯推断 

11       10/28    Logstic回归                          [MLPP] Chapter 8
12       10/30    Logstic回归2 

13       11/04    指数分布和广义线性模型   [MLPP] Chapter 9
14       11/06    SVM

15       11/11    模型评估与模型选择            [ESL] Chapter 7
16       11/13     稀疏线性模型                       [MLPP] Chapter 13
17       11/18    核方法                                    [MLPP] Chapter 14
18       11/20   集成机器学习                         [MLPP] Chapter 16

19        11/25   答疑 
20        11/27    期末考试