本课程的目标是结合机器学习的发展前沿，以深度学习以及应用为重点，借助微软强大的人工智能前沿系列课程、人工智能公开课、以及 Visual Studio Tools for AI 工具，使学生了解高级机器学习部分尤其是深度学习的基本概念、常见算法、前沿研究和热门应用领域，提升学生对机器学习的理解，并通过案例练习增强实践能力。
本课程主要介绍了神经网络基础、用于大数据机器学习的分布式机器学习算法、深度学习和强化学习等机器学习高级内容。此外，还介绍了机器学习的热门应用领域推荐技术、智能服务机器人等。本课程深入浅出、内容全面，更配合微软 Visual Studio Tools for AI 设计了深度学习案例供实战练习。
本课程适合高等院校本科生、研究生选修，也可作为对机器学习感兴趣的研究人员和工程技术人员参考学习。
本课程需要一定的机器学习知识，并了解 Python 语言、常见的机器学习算法或工具库如 TensorFlow、Keras、NumPy、scikit-learn 等。
- 第1单元 神经网络基础
- 1.1 神经网络介绍
- 1.2 常见的神经网络
- 1.3 神经网络应用
- 1.4 应用案例
- 第2单元 分布式机器学习
- 第2单元 分布式机器学习
- 2.2 分布式机器学习框架
- 2.3 并行决策树
- 2.4 并行k-均值算法
- 2.5 应用案例
- 第3单元 深度学习
- 3.1 卷积神经网络
- 3.2 循环神经网络
- 3.3 深度学习流行框架
- 3.4 应用案例
- 第4单元 高级深度学习
- 4.1 高级卷积神经网络
- 4.2 高级循环神经网络应用
- 4.3 无监督式深度学习
- 4.4 强化学习
- 4.5 迁移学习
- 4.6 对偶学习
- 4.7 应用案例
- 第5单元 推荐系统
- 5.1 推荐系统基础
- 5.2 推荐系统通用模型（用户画像）
- 5.3 推荐系统评测
- 5.4 推荐系统常见问题
- 5.5 推荐系统实例
- 第6单元 机器学习应用（兼实训）
- 6.1 城市声音分类
- 6.2 图像超分辨率
2001年4月毕业于东南大学，获管理学博士学位。2001年6月起在复旦大学管理科学与工程博士后流动站工作。2003年5月进入复旦大学软件学院，主要负责本科生和各类研究生电子商务、大数据核心技术和商务智能等课程的教学，2011年纽约大学Stern商学院访问学者。商务智能被评为上海市精品课程，获得2013年高等教育上海市教学成果奖二等奖。目前主要研究方向包括电子推荐、智能决策和大数据分析等。主持国家自然科学基金、中国博士后科研基金、上海市浦江人才、IBM Shared University Research 以及企业合作课题等20多项目。已在《管理科学学报》、《系统工程学报》、Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers 等国内外刊物和学术会议发表论文90多篇，其中被SCI、EI收录40多篇。出版专著《智能化的流程管理》《数据挖掘实用案例分析》以及教材《商务智能（第四版）》《商务智能 数据分析的管理视角（第四版）》《人机共生：洞察与规避数据分析中的机遇与误区》《机器学习》《机器学习案例实战》等10多部。获得上海市2015年上海市科技进步二等奖。
- [1]. 赵卫东，董亮编著. 机器学习. 北京：人民邮电出版社，2018
- [2]. 焦李成, 赵进, 杨淑媛, 刘芳. 深度学习、优化与识别. 北京:清华大学出版社, 2017
- [3]. 王晓华. TensorFlow深度学习应用实践. 北京:清华大学出版社, 2017