《经典模型》是一门以机器学习中常用的、经典的模型未主要内容的课程。包括：线性回归、逻辑回归、人工神经网络、支持向量机、奇异值分解、线性判别分析等。课程要求学生熟练掌握机器学习基本概念；熟练掌握多种常见机器学习算法模型原理；熟练应用常见机器学习模型。通过学习本门课程，能够提升机器学习素养，强化机器学习基础，未后续课程做好铺垫。
1. 雪梨（平台）作业（共55分）
(8分)；第一次作业：分别对下述机器学习名词或概念作出准确描述或解释。
(5分)；第二次作业：构建K近邻与决策树算法模型，对比他们在同一任务中的性能
(5分)；第三次作业：理解线性回归模型及正则化方法
(5分)；第四次作业：理解二项逻辑回归与softmax回归，使用softmax回归完成多分类任务
(5分)；第五次作业：利用反向自动微分法求解制定函数的偏导数；简述反向传播算法与梯度下降法的关系
(5分)；第六次作业：求神经网络中不同任务的偏导数
(4分)；第七次作业：构造神经网络模型完成分类任务
(5分)；第八次作业：写出支持向量机学习算法流程
(5分)；第九次作业：使用支持向量机模型完成分类任务
(3分)；第十次作业：求解矩阵的特征值与特征向量
(3分)；第十一次作业：利用奇异值分解对图片或其它数据进行降维与主成分分析
(2分)；第十二次作业：在网上搜集资料，查找使用机器学习技术进行创新创业的案例，简述其创新点和特色点（写出2-5个案例）
特别说明，雷同作业一律0分；学生对作业判定结果有异议，可以找老师申诉，课程组经过综合考虑之后，给学生最终答复。
2. 平时表现
平时表现包括出勤、回答老师问题、解答同学问题、对本课程的教学提出一些建设性的建议等，该项总共占15分，老师平时做好记录，学期末对所有学生进行综合给分。
3. 期末考核
为了检验学生对本课程知识的整体掌握情况，学期末对学生进行期末考核，该项占30分。特别说明，所有学生必须参加期末考核，不参加期末考核的学生最终成绩为不合格
