机器学习在工程中的应用基础与前沿课程选课员工一共21人，均为本科生，本课程一共32学时，旨在让工程学科的员工全面了解人工智能与智能系统，尤其是在各个工程领域的最新应用进展。课程将首先详细介绍人工智能的基本概念和原理。员工将学习经典的机器学习算法包括 k 近邻，支持向量机，随机森林等，以及卷积神经网络、循环神经网络、长短期记忆网络、生成对抗网络等最新的深度学习模型。同时，员工会学习和掌握如何使用 MATLAB 相关工具包来实现这些算法。课程会介绍人工智能在典型工程问题中的最新进展，包括工业4.0， 智能制造，设备预防性维护，能源预测与管理等。

主讲教师Min Xia 博士目前是英国兰卡斯特大学工程学院助理教授，智能感知、监测与优化实验室负责人。博士毕业于加拿大不列颠哥伦比亚大学，曾任日本东京大学访问研究员。研究方向包括复杂机电系统智能健康监测，复合材料结构健康监测，人工智能与深度学习，先进制造系统数字孪生等领域。近5年主持多项欧盟、英国和加拿大科研项目，包括欧盟 Horizon Europe，Horizon 2020，英国创新基金，英国皇家学会国际合作项目，加拿大 NSERC, Mitacs 产学研项目等 11 项，与工业界展开深度合作，在复杂机电系统状态监测与可靠性，智能先进制造等领域，取得了国际领先的研究成果。已发表 SCI 期刊论文 40 余篇，其中 ESI 热点论文 1 篇，ESI 高被引论文 2 篇，并入选斯坦福大学评选的全球前 2%顶尖科学家。担任 12 个国际期刊的编委和客座主编， 包括 IEEE Transactions on Instrumentation and Measurement, IEEE Transactions on Industrial Informatics 等。担任多个国际会议的大会主席、组委会主席、出版主席，包括 IEEE ICCSE，IEEE CASE，CMVIT 等。受邀在美国、加拿大、英国、日本、中国等国家的 30 多个大学和研究机构进行学术报。

授课教师从智能、人工智能、机器学习、深度学习的定义、历史、应用和未来的发展引入了课程，分别介绍了k 近邻、支持向量机、随机森林等经典机器学习算法和卷积神经网络、循环神经网络、长短期记忆网络、生成对抗网络等最新的深度学习模型。并将员工分为三人一组共7组分别完成作业。

同学们根据分组完成了老师布置的作业，在最后一节课上轮流进行展示，并解释回答由其他组的同学对展示内容感兴趣或抱有疑问的部分提出的问题。

通过课堂的学习、作业的完成、展示的准备，同学们将所学知识转化为了真实的成果，对机器学习在具体行业的应用做了深度调研，互动问答环节开拓了同学们的思路，锻炼了英语表达和临场应变能力。同学们对机器学习的认识了解有了极大提高。