对课程的学习心得做一个小结，也可以是学习笔记
通过这几周的学习，我对模式识别这门课程有了一些基本的了解。我初步了解到了机器学习的概念、多种模型评估方法、多种基于距离的分类器，以及贝叶斯决策的相关知识、多种估计方法等模式识别相关内容，课程的笔记基本记录在PPT的pdf上。由于线性代数有一些遗忘，所以在学习过程中对公式的推导存在困难。机器学习这门课程对我来说时一门全新的课程，而且其余学科和考研同样有学习压力，在学习过程中可以明显感觉到有一些吃力，但是机器学习这门课依旧很有趣，希望在接下来的课程中可以对机器学习有更多了解。
下面附上几张笔记的截图（字不好看就不多放了吧hhhhh）
检索一些文献或者网页资讯，记录机器学习等人工智能领域的前沿技术介绍、展望、应用，了解我们国家的先进或不足，存在的卡脖子技术等（选取一种技术方向即可）
概述
机器学习集技术、科学与艺术于一体，它有别于传统人工智能，是现代人工智能的核心。它牵涉到统计、优化、矩阵分析、理论计算机、编程、分布式计算等。机器学习其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。在我国制定的《国家中长期科学和技术发展规划纲要》中，以机器学习位核心的“智能”关键词在目录中出现6次。经过30余年的发展，机器学习已经已经成为计算机课学中最重要和最活跃的研究分支之一。机器学习在我国得到了广泛的关注，也取得了一定的成绩，但我觉得大多数研究集中在数据挖掘层面，我国从事纯粹机器学习研究的学者屈指可数。在计算机学术界，理论、方法等基础性的研究没有得到足够重视，一些理论背景深厚的领域甚至被边缘化。而一些“过剩学科”、“夕阳学科”则聚集了大量的人力、财力，这使得我国在国际主流计算机领域中缺乏竞争力和影响力。
并行机器学习
目前，并行机器学习是随着“大数据”概念和“云计算”的普及而得到迅速发展的。大规模并行化的机器学习算法不仅在理论研究和算法设计方面引起了学术界的广泛关注，而且在软件系统开发和产业应用方面已经由学术界和工业界形成了相应的成果，产生积极影响。
哈希学习
哈希学习通过机器学习机制将数据映射成二进制串的形式，能显著减少数据的存储和通信开销，从而提高机器学习系统的效率；同时，哈希学习得到的哈希码微熟（维度）一般比原空间维度第，降低了数据维度从而减轻维度灾难问题。