大数据的时代使统计机器学习方法近年来已在各个行业得到广泛应用，反过来也极大地推动了新方法的大力发展。本课程通过大量实例系统介绍统计机器学习的核心方法及基础知识。内容包括：数据类型、数据预处理、概率统计模型、模型选择、数据拟合、监督学习、非监督学习、多重检验、贝叶斯统计。课程配有PPT、实例、习题，并有助教现场进行上机指导。

高等院校在校学生、数据处理工程技术人员、数据分析师、以及大数据技术爱好者。需具备基础R或者Python编程水平。

荆炳义，香港科技大学荣誉退休教授，曾任香港科技大学数学系教授，统计中心主任，悉尼大学统计学博士。美国统计协会会士（ASA Fellow）、数理统计协会会士（IMS Fellow）、国际统计学会当选会士（ISI Elected Member）。教育部长江学者讲座教授，曾获国家自然科学奖二等奖、教育部高等学校自然科学奖二等奖。担任多个国内外杂志副主编。与顺丰等公司开展合作研发项目。培养博士生十余名。研究兴趣包括机器学习、统计学习、网络数据、生物信息、金融计量、概率与统计。