课程力学：本课程以阅读小组的形式组织，通过阅读和讨论本书向学生介绍机器学习的理论基础Mehryar Mohri、Afshin Rostamizadeh和Amee Talwalkar的“机器学习基础”本课程将分为两部分：讲座和以学生为中心的演示。
在前三周，课程协调员将根据书的前四章进行讲课。讲座将涵盖PAC学习模型、VC-Dimension和Rademacher复杂性等概念以及正则化（第1-4章）。
在接下来的几周里，本课程将侧重于以学生为中心的演示。每周，我们将尝试涵盖第5、6、7、8、9、10、11和15章中的一章。随机选择的两名学生将介绍每一章，根据注册学生的数量，协调员可能会介绍一些章节。上课前，要求学生阅读指定的章节。如果您在理解为即将到来的会议指定的阅读材料时遇到困难，请尽快联系一位或多位组织者。也鼓励在课程邮件列表上提问。
您应该做什么：请阅读材料，并准备就会议主题进行长达45分钟的白板演示。典型的演示将激发一些定义，描述我们试图证明的关键结果，并解释如何证明它们，然后描述关键要点。鼓励提供概念概述。从第一周开始，下节课要读的章节将在课堂上宣布。我们不期望演讲非常精彩。此外，你可以假设你的观众熟悉内容，如果你在某个地方遇到困难，你也可以提供帮助。我们毕竟在一起学习这个话题。关键是你要尽最大努力理解内容，如果有不清楚的地方，你可以自己讨论，或者问协调员。
本课程不是什么：这不是一门我们学习如何实现机器学习算法的课程。从这个意义上讲，它不同于机器学习的入门课程。在这里，我们关注学习算法的数学模型，并获得其预测能力和复杂性度量（通常是样本复杂性）的可证明保证。我们不介绍神经网络和深度学习理论理解方面的最新进展。
校园其他相关课程：ML是一个巨大的主题，我们不可能希望它是全面的，涵盖它的每一个方面。我们的重点仅限于计算方面，尤其是理论方面。如果你想了解其他主题和方面，本学期校园里还开设了许多其他课程。以下几乎可以肯定是一个不完整的列表：
E1 4，021
