机器学习本科生辅修

机器学习和统计方法越来越多地应用于许多应用领域，包括自然语言处理、语音、视觉、机器人和计算生物学。机器学习辅修课程允许本科生学习机器学习的核心原则。

资格

机器学习辅修课程面向卡内基梅隆大学计算机科学学院以外的任何专业的本科生开放。（SCS学生应考虑机器学习集中课程。）学生应在预期毕业日期前至少一个学期申请入学，但鼓励他们在修完辅修课后立即申请。申请中也欢迎核心课程的成绩。录取决定通常会在一个月内作出。

未成年人要求

等级要求：

ML Minor的所有课程，包括先修课程，都必须以C或以上成绩通过。

前提条件：

CS背景： 15-122
数学背景：15-151、21-127或21-128
概率与统计背景：36-218、36-219、36-225、36-235、15-259或21-325

重复计数限制：

机器学习辅修课程不得计入其他SCS辅修课程。此外，至少3门课程（每门至少9个单元）必须仅用于机器学习辅修，而不用于任何其他专业、辅修或专注。（这些重复计算限制专门适用于核心课程和选修课。先修课程可计入其他专业、未成年人和集中课程，但不计入仅适用于机器学习未成年人的3门课程。）

课程

核心课程-24个单元：

辅修机器学习有两门核心课程，为该领域奠定了基础：

10-301或10-315机器学习简介
以下课程之一：
- 10-403深度强化学习和控制
- 10-405大数据集的机器学习
- 10-414深度学习系统：算法和实现
- 10-417中级深度学习
- 10-418结构化数据的机器学习
- 10-422学习基础、博弈论及其联系

选修课-从以下选项中选择3门课程（每门至少9个单元）：

机器学习辅修课程需要至少3门机器学习选修课，每门至少9个单元。学生可以选择以下选项之一来满足选修课要求：

3主修课程
2门主修课程+1门跨学科课程
2门主修课程+1学期CS高级荣誉论文或高级研究
1门主修课程+2学期CS高级荣誉论文或高级研究

学生应注意，其中一些选修课程（600级及以上）主要针对研究生，因此应确保他们在入学前做好充分准备。

如果学生为更高级的课程做好了充分的准备，并且家庭部门批准了学生的注册，那么这些课程的毕业生级交叉列表也可以用于ML Minor。

主修选修课

10-403/703深度强化学习和控制
10-405/10-605大数据集机器学习或10-745机器学习中的可扩展性
10-414/10714 深度学习系统：算法与实现
10-417中级深度学习或11-485深度学习入门或10-707高级深度学习
10-418/10-618结构化数据的机器学习或10-708概率图形模型
10-422学习基础、博弈论及其联系
10-423生成人工智能
10-425/625凸优化简介或 10-725凸优化
10-613/713机器学习道德与社会
10-735责任AI
10-777机器学习的历史进展
36-401现代回归
批准的其他课程

注：课程必须来自不同的行。例如，如果10-417中级深度学习用于ML Minor，则11-485深度学习入门也不能用于ML Minor。

跨学科选修课

02-510计算基因组学
03-511计算分子生物学和基因组学
10-335艺术与机器学习
10-737创意人工智能
11-411自然语言处理
11-441文本挖掘的机器学习
11-661语言与统计
11-731机器翻译和序列到序列模型
11-751语音识别和理解
11-755信号处理的机器学习
11-777多模态机器学习
15-281人工智能：表示和问题解决
15-386神经计算
15-388实用数据科学
15-482个自治代理
16-311机器人导论
16-385计算机视觉
16-720计算机视觉
16-745最优控制和强化学习
16-824视觉学习和识别
16-831机器人统计技术
17-537用于社会公益的人工智能方法
36-402高级数据分析方法
36-462专题：数据挖掘
36-463专题：多级和层次模型
36-700概率与数理统计或36-705中间统计
批准的其他课程

注：课程必须来自不同的行。例如，如果36-700概率和数学统计用于ML Minor，则36-705中间统计也不能用于ML Minor。

CS高级荣誉论文

CS高级荣誉论文由36个学分单位组成，通常属于07-599号SCS荣誉本科研究论文课程。ML辅修课程最多可计入24个单元（每学期12个单元）。学生必须向计算机科学系咨询有关CS高级荣誉论文的信息。一旦学生和导师同意一个项目，学生应向机器学习集中主管提交一份一页的研究提案，以确认该项目将计入机器学习集中。

高级研究人员

高级研究包括两个学期10-500高级研究项目共24个单元，计为2门选修课。

该研究必须是一个为期一年的高级项目，由机器学习核心教师或附属学院成员。它几乎总是作为两个学期的项目进行，必须在大四完成。

感兴趣的学生应在进行研究的学期之前联系他们希望建议他们讨论研究项目的教师。一旦学生和导师同意一个项目，学生应向机器学习副主任提交一份一页的研究提案，以确认该项目将计入机器学习副校长。

你的一页研究建议书应包含以下内容：

工作头衔、你的名字和你的顾问的名字
以下7个部分，使用以下粗体部分标题：
1. 摘要（100至500字）
2. 动机（为什么你的研究问题很重要）
3. 贡献（你的研究贡献项目列表）
4. 相关工作（简要提及最相关的现有工作）
5. 预期结果（可能结果的简短描述）
6. 时间表（下一年里程碑的详细列表）
7. 参考文献
您的研究顾问的签名，表示对项目的认可以及监督和评估的意愿。

这个学生应在秋季学期结束时向ML副主任发送一封电子邮件，简要介绍他们的最新进展（两段），以及将出现在思想会议并在高年级结束时向副主任提交年终总结。

鼓励学生联系副主任(ml-minor@cs.cmu.edu)随时提出问题。

管理

ML本科生研究主管是Matt Gormley教授，ML本科生研究协调员是Laura Winter。他们都可以在ml-minor@cs.cmu.edu。请联系他们了解资格、课程等。

劳拉·温特（Laura Winter）在春季和秋季有办公时间。

秋季办公时间安排在GHC 8004的周四下午2点至3点。您也可以发送电子邮件至Lauralwinter@andrew.cmu.edu有任何问题，或在办公时间以外安排会议。

上课时间不在上课时间（例如假期和休息时间）。

如何应用

完成机器学习小应用谷歌表格。它要求您提供联系信息、关于您学术历史的基本信息、您计划参加机器学习辅修课程的拟议时间表（稍后可以更改），以及描述您学习ML辅修课程原因的简短目的声明（150-250字）。招生决定通常在一个月内作出。

提交申请后，您将收到一封带有“编辑您的回复”链接的确认电子邮件。保存电子邮件以备记录。如果需要，该链接将允许您对应用程序进行更改。