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。