机器学习的原理与应用。主要的范式和技术，包括判别和生成方法，强化学习：线性回归，logistic回归，支持向量机，深网，结构化方法，降维，k-均值，高斯混合，期望最大化，马尔可夫决策过程，Q-学习。应用领域，如自然语言和文本理解、语音识别、计算机视觉、数据挖掘和自适应计算机系统等。

与ECE 449相同。3个本科学时。3或4个研究生学时。先修课程：CS 225；MATH 225、MATH 415、MATH 416或ASRM 406之一；CS 361、ECE 313、MATH 461或STAT 400之一。