机器学习是人工智能专业核心课，通常安排在数据结构、计算机组成原理与概率统计之后，研究如何从数据中自动获得规律并用于预测与决策，是模式识别、推荐系统、计算机视觉与自然语言处理的方法论基础。课程分九章：从绪论的任务分类与统计学习框架，到模型评估与选择的偏差方差、交叉验证；线性回归与逻辑回归、决策树的分裂与剪枝、神经网络的前向反向传播与梯度下降、支持向量机的最大间隔与核方法；集成学习的Bagging与Boosting、聚类降维与PCA、强化学习的MDP与Q学习。全课贯穿从假设空间到泛化能力、优化贯穿始终、数据划分与评估决定可信度三条主线。
