课程简介
本课程是面向已修完微积分、线性代数、大学计算机基础和物理及化学基础等课程的材料、化学相关专业开设的一门工具性课程，强调数据获取、分析和挖掘的具体思想技能和实践操作。课程内容涵盖计算机基础（python基础、机器学习框架）和常用机器学习算法（背景及特性、实例操作）。
通过学习该课程，学生可以了解到如何利用计算机程序来处理大量数据和优化算法，利用数学、计算机科学和材料学知识来解决实际问题，致力于培养学生的理性思维模式、加深学生对材料科学的理解、提升数据思维能力。
授课时间
春季学期（2020, 2021, 2022, 2023），每周2次课，每次2小时，共48理论学时。
先修课程
高等数学、线性代数、大学化学、物理化学（或普通物理）、大学计算机基础
课件
第一章 
概论.pdf
第二章 统计学习基本概念.pdf
第三章 线性回归.pdf
第四章 分类.pdf
第五章 重抽样方法.pdf
案例一 白酒基酒分类.pdf
参考教材
1．“Linear Algebra and Its Applications”, D. C. Lay. （《线性代数及其应用》，机械工业出版社，刘深泉等译，初级）
1．“Introduction to Probability”,D. P. Bertsekas. （《概率导论》，人民邮电出版社，郑忠国等译，初级）