统计机器学习概论是高校数学专业一门重要的专业必修基础课程，为学生进一步学习其他专业课程如人工智能，大数据等课程提供必不可少的基础知识。且对加深对概率论等前期课程起着至关重要的作用。它的任务是使学生掌握机器学习理论的基本思想方法，为进一步钻研诸如人工智能，大数据等现代数学研究领域打下基础。
通过本课程的学习，使学生掌握基本的统计决策理论和信息论的基础知识，在概率论课程的基础上进一步培养学生的抽象推理能力、逻辑思维能力，并为之后学生在概率论基础上学习现代人工智能与大数据的知识做好准备。
本课程主要讲授决策论与信息论基础，概率分布，回归的线性模型，分类的线性模型，神经网络，核方法，随机模拟技术以及模型的组合等等。
课程目标对学生的能力要求如下：
课程目标1. 掌握统计计算语言及各种常用的机器学习工具包，最终实现算法、完成实验结果分析；
课程目标2. 掌握常见机器学习算法，包括算法的主要思想和基本步骤，并通过编程练习和典型应用实例加深了解；
课程目标3. 了解机器学习的一般理论，如假设空间、采样理论、计算学习理论，以及无监督学习和强化学习。
