高维概率论课程详细信息
课程号 英文名称 先修课程 00137290 High-Dimensional Probability 概率论，线性代数，数学分析，机器学习导论 数据科学和人工智能在应用领域取得了巨大的成功，它们同时也带来了新的基础理论问题。一些高等的概率统计知识对研究这些基础问题是必要中文简介 的。这门课主要目的是提供这方面的知识。课程内容包括：独立随机变量和的浓度（concentration）不等式, 高维随机向量不等式，随机矩阵不等式，经验随机过程，Chaining, 统计学习理论，深度学习理论选题。 Data science and artificial intelligence have achieved great success in the application field, and they have also brought new fundamental issues. Some advanced probabilistic knowledge is necessary to study these fundamental issues. The main purpose of 英文简介 this course is to provide these materials. The course content includes: independent random variables and concentration inequality, high dimensional random vectors, random matrices, empirical stochastic processes, Chaining, statistical learning theory, theoretical topics in deep learning, etc. 开课院系 通选课领域 是否属于艺术与美育 平台课性质 平台课类型 授课语言 数学科学学院 否 中文 无； 教材 High-dimensional probability,Roman Vershynin,Cambridge Press,2018, 参考书 1； 数据科学和人工智能在应用取得了巨大的发展，它们同时也带来了新的基础问题。一些高等的概率统计知识对研究这些基础问题是必要的。这门课主要目的是提供这方面的知识。课程内容包括：独立随机变量和的浓度（concentration）不等式, 高维随机向量不等式，随机矩阵不等式，经验随机过程，Chaining, 统计学习理论，深度学习理论选题。 教学大纲 课程大纲 1 基本概念 4学时 2 独立随机变量和的浓度（concentration）不等式, 6学时 3 高维随机向量不等式 6学时 4 随机矩阵不等式 6学时 5 经验随机过程 6 学时 6 Chaining 6 学时 学分 3
7 统计学习理论 6 学时 9 深度学习理论选题 8学时 以课堂讲授为主、辅以文献阅读和课堂讨论 平时作业40%+期中考试20%+期末 40% 教学评估 张志华：
高维概率论
