该模块旨在向学生介绍基本的机器学习工具，涵盖监督和无监督学习方法。我们讨论了一些基本原理，学生将开发出在金融应用中使用这些方法的实用技能。在课程中，学生可以使用自己选择的编程语言（建议使用MATLAB）进行数据分析。
成功完成该模块后，学生将能够：
了解机器学习方法的一般背景以及在金融计量经济学和统计学中的标准方法的差异。
理解无监督学习方法及其在金融领域中的应用示例。
该课程的预期成果包括：
了解机器学习的一般介绍：历史和背景；机器学习方法的分类；应用概述。
监督学习的介绍和应用：线性回归；模型选择和正则化；特征选择；逻辑回归；回归树和随机森林；支持向量机；神经网络。
无监督学习的介绍和应用：距离/相似性度量；聚类方法；主成分分析。
强化学习简介。
该模块通常涵盖以下主题：
机器学习的介绍：历史和背景；机器学习方法的分类；应用概述。
监督学习的介绍和应用：线性回归；模型选择和正则化；特征选择；逻辑回归；回归树和随机森林；支持向量机；神经网络。
无监督学习的介绍和应用：距离/相似性度量；聚类方法；主成分分析。
强化学习简介。
要选择此模块作为选修课或自选课程，学生必须：
1. 在正式的课程和学习年度中注册。
2. 具备概率论、线性代数和多元微积分的基本理解水平。
3. 能够在MATLAB中编写合理且非平凡的计算机程序。
如需了解有关UCL-与金融中应用的机器学习课程辅导以及其他英国课程辅导的详细信息，请随时咨询DR.D留学生辅导机构。
