机器学习及模式识别领域主要由三大理论体系构成，分别是概率论（Probability Theory），决策论（Decision Theory）和信息论（Information Theory）。机器学习领域的一个关键概念是不确定性（uncertainty）。然而概率论为不确定性的量化和操纵提供了框架，并形成了机器学习的核心基础之一。概率论描述了如何表示和操纵模型和预测的不确定性，它在科学数据分析、机器学习、机器人技术、认知科学和人工智能等领域发挥着核心作用。
  概率论为计算机对不确定性进行推理提供了一个原则性的基础。它使我们能够通过利用对产生这些数据的基础流程的理解，即使在数据有限的情况下也能构建表现良好的机器学习算法。将概率论应用于此类机器学习任务中还需要具备高等数学知识和专业编程技能。然而易于使用的编程语言（如Python）中出现的功能强大的概率编程库改变了这一点。本课程将引导学生对基本概率论进行学习和了解，以及学会运用概率编程解决现实世界中机器学习和数据分析任务的技能和经验。

  招生状态：招生中
  课程时间：滚动开班
  课程形式：zoom远程直播式授课
  课时安排：学术主导师21课时+学术副导师9课时+论文主导师6课时+论文副导师21课时，为期7周

  对编程语言感兴趣的本科生、研究生
  修读计算机、编程、信息工程等专业，以及未来希望在机器学习、算法、编程、数据分析等领域从业的学生
  具备编程语言背景(是Python)，精通高中数学，拥有微积分、线性代数、以及计算机编程基础的学生优先；具备相关统计学、计算机科学基础知识的优秀高中生也可以选择