机器学习是数据分析中的一个基础门类，它使数据能够自主地寻找彼此之间的关系，从而使现代商业数据分析更加便捷。
在大数据领域，管理者可以利用大量数据进行分析，进而指导商业决策。
本单元是现代机器学习技术的入门课程，它装备学习者处理商业决策中数据挑战的技能。
这门课程也是QUBS提供的最具挑战性的课程之一。学习主题主要包括：机器学习基础、回归、分类、支持向量机（SVM）、神经网络、深度学习等。课程结构完善，为对机器学习感兴趣的人提供了极好的入门。
课程设置中，可以看到主要的教授和考察重点是神经网络，其中重点考察前向传播和后向传播。
为了帮助大家更加直观地了解这门课的作业和要求，我们会聚焦在作业的分类上进行讲解！
1. 期中考试25%，期末考试50%
有选择题和简答题两种类型。
选择题的话，比较偏向概念题，但是也有一部分简单的计算。
简答题部分会考到神经网络比较细致的推导，还有一些advantage&disadvantage之类的概念型问答。
2. Assignment 25%
以小组合作方式的方式完成，考察点非常全面，往年的考试类型是给你三个part，每个part都会考察一个重点，要求你完成相应的代码和分析：
EDA 与 BoW, TF-IDF
Supervised Deep Learning
NLP deep learning model BERT
最后：
需要上交一个report，且需要把代码转成PDF附在report上面。report有页数限制，即需要详略得当得把分析过程和结果放在上面。详略得当这里要划重点，具体哪详哪略需要结合评分点和课程重点去把握。
同时，把要求的结果放到Kaggle上面，这一门课所有的组进行排名，排名前列的会有分数奖励。
1.数学要求：
这门课还是对线性代数的知识时候要求的，外加一些求导的知识。
不过只是限于一些基础工具用好的程度，所以有任何地方不会随时翻书补充一下知识即可。
2.计算器：
考试中计算器是允许使用的。
这里小小提示：卡西欧FX-991CN是可以计算矩阵的，如果有的话可以考试中用起来节省计算时间！
3.一般考试的时候试卷上会有常规题和一道非常规题（大题）。我在第1,2点会详细来说。
1)常规题：这些题都会是平常上课大模块中重点讲的题目并且会在practice exam中出现。 比如推导一下前向后向传播，求个矩阵云云。
这些题目考前就准备好，带着逻辑多写两遍。带着逻辑是指，写的时候去思考，题中有哪些条件，每次解开的需要分几步？每步的目的是？还要注意细节，角标清晰标出来，草稿也要写得整齐，因为很可能运算太多，写到后边已经忘记之前写得草稿是什么意思了。
2)非常规题：一般考试中最后一道会出现不走寻常路的题目。
就是猛然一看没见过，但是细细观察都是套路。
题目是出现一个新的函数让你推导求解。老师在题目下边会给很多hint,基本解到解不下去的那一步，在hint里就能找到答案。
