本课程是一门面向纺织工程专业本科生开设的专业选修课程，其主要目的是培养学生利用机器学习的方法和思想建立模型、解决纺织品贸易过程中遇到的价格、风险等预测问题，为学生开展相关领域技术开发和科学研究奠定基础。

机器学习是当前重要的热点研究方向，研究成果丰硕。随着移动互联网、物联网等快速发展，机器学习在多个领域（数据挖掘、大数据分析、时间序列分析预测等）成为关键核心和支撑技术。

本课程的主要内容包括：人工智能、机器学习、深度学习之间的关系；机器学习的类型，包括：有监督学习、无监督学习、半监督学习和增强学习的基本概念；预测问题、分类问题、聚类问题的基本概念和判断准则；典型回归算法，包括：线性回归、逻辑回归；时间序列数据集的基本概念，包括：平稳序列和非平稳序列；典型时间序列分析和预测算法，包括：传统的自回归模型AR、移动平均模型MR、自回归移动平均模型ARMA、自回归积分滑动平均模型ARIMA,以及基于神经网络的长短期记忆模型LSTM和递归神经网络RNN。

本课程的教学思想本着少而精的原则，突出重点深入浅出。教学方法采用理论与案例相结合的教学方式，使用纺织贸易领域实际数据集和实际案例为示例，培养学生的实际动手能力和解决实际问题的能力。

  本课程的先修课程为：线性代数、概率统计、计算机信息技术（大数据方向）、Python实验数据处理。