本课程主要以跟踪机器学习与数据挖掘领域国内外最新动态和研究前沿为主，授课方式为学术报告、实验报告、研讨交流，考核方式为每个博士生围绕相关主题至少要做一次学术报告并积极参与交流讨论，课程结束以后提交一份技术报告。具体要求为每堂课2-3个学术报告，每个报告时长45---60分钟，讨论20分钟，报告内容围绕机器学习、数据挖掘相关方向（结合自身科研），至少前2/3是本领域前沿综述性内容；与此同时，每位同学围绕自己本学期的学术报告进行科学实验，并在课程结束以后提交一份包含实验结果的技术报告。机器学习与数据挖掘是人工智能的重要分支，专门研究计算机怎样模拟或实现人类的学习行为，以从各类数据记录中挖掘、获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。作为一门多领域交叉学科，涉及统计学、概率论、数据科学、凸分析、算法设计、人工智能等多门学科，深度学习、监督学习、无监督学习、元学习、主动学习、强化学习、文本挖掘、图计算、推荐系统、计算广告、迁移学习等各项技术，以及智慧城市、智能商务、信息安全和隐私保护、智慧医疗、智慧教育等众多应用领域。因此本课程将围绕机器学习与数据挖掘相关的这些学科、技术和应用方法等的前沿内容展开教学、学术和实验技术讨论。