UCL- Comp0081应用机器学习课程旨在深入探讨与大规模机器学习有效实施相关的主题，重点放在线性和非线性机器学习模型的优化上。学生将通过解决在线机器学习挑战来获得解决现实世界问题的经验，并了解各种方法的优化挑战以及相关的时间和空间复杂性。
理解实施机器学习时可能出现的实际问题，包括工程挑战和数据伦理的注意事项。
掌握解决现实世界机器学习问题的技术，并能够应用这些技术。
成功完成本课程后，学生将能够：
了解实践中实施机器学习时的实际问题，并了解工程挑战和数据伦理的相关内容。
熟悉解决现实世界机器学习问题的技术，并能够应用这些技术。
该课程涵盖以下主题：
解决大规模线性系统的方法，包括共轭梯度。
经典回归和分类方法，包括线性回归和逻辑回归。
无监督学习的聚类方法。
快速最近邻方法。
矩阵和张量分解。
可视化方法。
结合方法和梯度提升机。
数据伦理和机器学习中的公平性。
要有资格选择该课程作为可选或选修课程，学生必须：
在计划和年度学习年份中注册该课程。
具备线性代数、多元计算以及数学级别4或更高的概率的理解和能力。
熟悉编码高级语言以完成评估（强烈建议学生熟练掌握Python）。
在学期1中完成了机器学习或监督学习课程。
请注意，还建议在学期1中学习图形模型或概率与无监督学习。该课程不是机器学习的介绍。
如需了解有关UCL-应用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。
