对于两个问题集，请查看 作业 页面

课程项目

一些最可能的项目：

用一些小的数据集测试假设
MED和正则化之间的联系
SVMs的特征选择:理论和实验
Bayes分类规则和SVMs
IOHMMs：分类的HMMs评价对直接分类
重用测试集：挖掘边界
大规模非线性最小二乘正则化
基于视图的分类
局部分类器对全局分类器：实验和理论
测量RKHS不变性：历史数学
浓度实验（点积对平方距离）
去相关分类器：使用一个stumps树进行泛化实验
核的综合和选择
正则化的，尤其是SVM的Bayesian解释
从Kant到Popper的归纳历史和现状
贝叶斯先验域

>资源

MIT的生物及计算学习中心 (CBCL)在如下的主旨下建立，对于生物智能和人工智能来说，学习都是智能问题的核心， 并且也是理解人类大脑如何工作以及制造智能机器的必由之路。CBCL以一种多学科的方法来研究学习问题。它的主要目标是对和数学，工程以及学习中的神经科学相关的重大研究提供支持。CBCL隶属于MIT的脑与认知科学系并且和MIT的McGovern脑研究机构以及人工智能实验室有一定联系。