《机器学习》教学大纲.docx

机器学习教学大纲适用范困：2O2X版本科人才培养方案涕程代码：22140231课程性质：专业必修i果学分：3学分学时：48学时（理论40学时，实验8学时先修课程：人工智能程序设诃、数据库原理及应用、人工智能导论等后修课程：深度学习与应用、自然语言处理、人工智能拓展创新、人工智能综合创新等适用专业：人工智熊专业开课单位：智能工程学院一、课程说明4机器学习是人工智能专业的一门专业必修课。本课程主要传授机器学习的分类、/类、贝叶斯、支持向叶机、神经网络、深度学习等学习算法，是一门理论和实践并重的课程，为学习其他彳i美课程及以后从'”技术工作打下必要的基础，本课程的教学应木卷理论与实践相结合的原则，深入浅出，突出近点，在!ft视基础理论的同时，注意培养学生独立思考和动手能力.二、课程目标通过本课程的学习，使学生达到如卜目标：课程目标I：能够运用机器学习算法，根据人工智能工程问遨涉及的数据特性，建立合适的机器学习模型对向SSiS行分类和预测，促使学生形成良好的世界观、人生观和价慎观，激发学生科技报国的奋发精神.课程目标2.强调培养学生的动手能力要求学生通过编写机器学习的程序完成智能任务.并鼓励学生不阍改善模型和代码实现从而提高机渊的效能.课程目标3.能够针对一个实际的人工智能应用同座，采用数据处理技术和特征工程方法从训练数据中提取特征，建立合理的学习模里。课程目标4.针对特定需求，能够综合运用机器学习灯法，编写程序实现我法,徒够利刖模型评估的度量方法改进和两整模型，从而而新数据诳行准确预测.课程目标5：培养学生树立正确科学的世界观、人生观和价值观坚定正确的政治方向.培养学生的法治观念.社会贲住感和创新意识树立正确的审美观念和劳动观念.三、课程目标与毕业要求4机器学习课程教学目标对人工智Ife专业毕业要求的支撑见表1,«1獴程教学目标与毕业要求关系毕业要求指标点课程目标支部91.工程知识:能然将数学、自然科学、工程基础和专业知识用于耨决人工智能及交叉应用领域工程问JS.1.2系统掌握人工智能及相关应用颖域的工程基础和专业知识,包括算法、硬件、枕件平台及系统等.了解解决工程何时的基本方法课程目标1：能够运用机器学习算法，根据人工智能工程问区涉及的数据特性，建立合适的机潺学习模型对何也进行分类和预测，H3.设计/开发解决方案：能第设计针时人工智能及相关应用领域复杂工程向题的解决方案,设计满足特定需求的系统、单元，并在设计中体现创新懑识，考虑社会、环境、健康、安全、法律、文化等因素.3.1掌握人工智能及相关应用领域的系统集成、算法优化、软件设计的基本设计理论和设计方法,能鲂根据需求确定设计目标研冗、确定技术方案。课程目标2：强调培养学生的动手能力,要求学生通过编写机器学习的程序完成智能任务，井坡励学生不断改善模型和代码实现从而提高机器的效能。I1.4.研究，能基于科学原理并采用科学方法对人工智能及交叉应用领域的工程问SSiS行研究，包括实验的设计、算法的研究、参数的优化等，并通过信息粽合得到合理有效的结论.4.1能够基干科学原理,通过文献研究等方法系统分析人工智能及相关应用领域更杂工程问题,明确研究对象的基本特征和关键环节,并选择合适研究路线课程目标3：能终针对一个实际的人工智能应用何超.采用数据处理技术和特征工程方法从训练数据中提取特征，建立合理的学习模型.课程目标4.针对特定希求,能律擦合运用机器学习算法，编写程序实现算法能桃利用模型评估的度显方法改进和调整模型，从而时新数据进行准倘预刈.H注：表中,H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容,基本要求与学时分配1.理论部分见表2表2教学内容、基本要求与学时分IE敦学内容敦学要求，敦学重点魔点理的学时实设学时对应的课程目标1 .缗论1. 1机器学习是什么1.2 机器学习徵法分类1.3 编程环境及工具包思政1：促使学生形成良好的世界观、人生观和价值观,激发学生科技报国的奋发和神。教学要求：使学生了解H1.潞学习的艇本概念，机器学习算法及其分类，课程内容介绍，期程环境及工具包。点I机湍学习的基本概念机器学习算法分类.难点：机器学习算法分类.201、32回归分析与Python实现教学要求：使学生掌捏机器学习中回U1分析的册本概念:裁握线性回归、621、2、42.1回归分析原理2.2多元线性回归2.3IE则化回归分析2.4回归分析的Python实现岭回归、1.aSS。回归与E1.asticNet回归的实现方法.点I回归分析原理，多元雄性回归的Python实现方法.难点：岭回】归、1.aSSo回归与E1.aStiCNet回归的原理和Py1.hOn实现方法。3.分类算法与PythOn实现1.1 1k近邻算法1.2 朴素贝叶斯算法1.3 决策树1.4 分类与回归树1.5 支持向麻机1.6 分类算法的Python实现效，Mb使学生安耀机器学习中k近邻算法、朴素贝叶斯尊法、决策树算法、分类与回归树算法以及支持向城机算法的原理以及在PyIhou中的实现方法K点Ik近邻算法、朴素贝叶斯算法、决策树贪法、分类与同日树究法以及支持向北机算法的原理，4点t支持向量机算法原理,算法实现及参数作用以及Py1.hUn实现。62k2.4聚类算法与PythOn实现4.1鹿类的不同思想4.2k均值算法4.3DBSCAN算法1.1Age1.omerative1JK类4.5聚类算法的Python实现做学襄求，使学生了解机器学习中聚类的不同思想：掌J>k均值算法、DBSCN算法及Agg1.OmCratiVe算法的原理、Python实现.点：k均俏算法、DBSCRN眸法及Agg1.Oeera1.iVe使用方法。难点I算法原理,算法的Py1.hOn实现及繇数作用.62H2、3、45.特征工程、降维、超IH1.优与PythOn实现5.1特征工程5.2线性降维5.3超参数调优教学要求I使学生掌握降维方法，了解网格搜索超参数调优方法，随机搜素超参数调优方法，Python实现.点，数据预处理方法1.成分分析降维方法,网格搜索超参数调优方法.难点I数据预处理方法.主成分分析降维方法.601,36,修率模型与标注6.1 概率模型6.2 逻辑回白模型的概率分析6.3朴素贝叶斯分类6.4EM算法与高斯混合聚类a5随马尔Ur夫模型6.6条件的机场模型教学要求，使学生了解爱辑回归模鞭的概率分析.掌握朴素贝叶斯分类及陷乌尔可夫模型.三A朴素贝叶斯分类，RM算法，隐马尔可夫模型。Jt点，EM算法,陶马尔可夫模型。.601、37.笄经网络与PythOn实现7.1神经网络模型7.2多层神经网络7.3竞争学习和自组织特征映射网络思政2：了解人体神经网络运行机制.掌握科学的学习和工作方法,努教学要求1使学生理解神经网络模里概念:理解神经网络中的激活函数;掌握反向传播算法：能够构建并训练优化神经网络.工点：神般元模型，神经网络的结肉，误差反向传描学习算法，多层神经网络常用投失函数，多层神经网络常用优化算法,多层神经网络中过拟合的抑制.难点：误差反向传播学习第法,结合821,2、3、4力奋斗，培养踏实努力的大IH工匠相神。动依优化和步长优化的算法，合计4082.实验,实践或上机部分见表3表3实验项目、实殴内容与学时实验项目实验内容和要求实验学时对应的僵程目标1.聚类算法实现及应用实验内容：境程实现K均值算法：利川K均值算法实现图像分割.实验要求：加深对非监备学习的理解和认识;能理解并编程实现K均值算法:能够利用K均值算法完成图像分割。21、32.1.ogistic回归实现及应用实验内容1编程实现逻1.ogistic回归算法：使用梯度下降方式实现1.ogistic回归分类.实验要求：熟悉1.ogistic回归模型：能利用1.ogistic回归模型分类;理解悌质下降算法,并将其用于1.ogistic回归分类。22、43.决策树实现及应用实验内容，编程构造决策树模型：实现决策树分类算法.实Ift要求：熟练掌握决策树的构造算法：能盛理解井编程实现决策树的构造并能应用于分类问题，2k31.神经网络实现及应用实验内容：利用反向传播算法来编程实现神经网络模型，利用神经网络完成分类问象殴能掌握激活函数和神经网络的构建：能利用神经网络模型完成分类任务。22、4t8五、教学方法及手段本课程以课堂讲授为主，采用R发式、讨论式教学和案例教学、线上线下结合等.结合讨论、案例、视频资源共享、实脸等教学手段完成课程教学任务和相关能力的培养。在实验教学环节中,通过培养学生自主学习能力、实际动手能力.激发学生的创新思维.采用教师讲授和学生动手操作的方法；在实蕤前学生应发习和掌握与本实验有关的教学内容、认立问读实聆指导书；在实验中要严格遵守实验纪律，按操作规程使用仪涔：实验结束后，按规定对仪器进行维护保养：每完成一项实验，要认真完成一份实验报告.六、课程资源库1 .推荐教材：王衡军,£机零学习h北京：清华大学出版社.2020.()92 .参考书：(I)卢官明,机器学习导论瓦北京：机械工业出版社.2021.8(2)周志华，机器学习九北京:清华大学出版社.2018J1.(3)黄勉，机器学习与Py1.hCn实践h北京：人民邮电出版社.2021.1.(4)汪荣贵，£机器学习及其应用h北京：机械工业出版社.2019.8.3 .期刊：(I)修建波：谭凌岚：罗佳,基于PyIhOn混合编程.电子测试2018年12期(2) JohimnCSSosscnheirnerASensorReducedMachine1.earningAPProaChforCondi1.ionbasedEnergyMonitoringforMachine1bo1.s.Procedia2O19.P57O-575(3) HarprcctSingh.AMachine1.earningapproachtodc(ccf1.uid1.eakagefrom心CrVOirusingon1.yinjectionratesandbottomho1.epressures.Journa1.ofNatura1.GasScienceandEngineering.2019(4) Machine1.earning:AProbabi1.isticPerspective.KevinP.Murphy.TheMITPreSS.2012.(5) 1.iC.SohnK.YnJ.ea1.CutPasie:Se1.f-Supenised1.earningforAIKH1.1.a1.yDe1.cc(ionandIzica1.ization.Proceedingsof(heIEEE-1CVFConferenceonComputerVisionandPatternRecognition(CVPR).2021:14902-14912.(6) Sa1.chiM,SadjadiN9Base1.izadchS,c(a1.Mu1.tircso1.utionknow1.edgedisti1.1.ationfyranoma1.ydetection.Proceedingsofthe!EEE'CVHConferenceonComputerVisionandPa(ernRecognition(CVPR).2021:14902-14912.4.网络资源：(1) httpsedu.5Icto.co11v,mk-p>sihon.',248.htm1.7jz1.360a)(2) hp7zb.zhizuobiao.vip,'senpy1.honypythn1.(3) hupswww.python.fg(4) hups"WWW.pyHomabccm/七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成具体考核/评价细则及对课程目标的支拉关系见表4。表4课程考校对谭程目标的支撑考核环节占比考核/讦的剜课程目标123过程性考核课堂表现10(I)根据谡堂出勤情况和课堂回答问题情况迸行考核,满分100分.(2)以平时考核成绩乘以其在总评成绩中所占的比例计人课程总评成绩.221实20(1)根据每个实脸的操作完成情况单独评分.满分100分：(2)每次实验单独评分，取各次实验成绩的平均值作为此环节的G终成绩，(3)以实险成绩乘以其在总评成绩中所占的比例计入课程总评成绩.776作业10（1）主要考核学生对各章节知识点的更习、理解和掌握程度满分100分:（2）愆次作业单独评分，取各次成绩的平均值作为此环,的最终成绩.（3）以作业成绩乘以其在总评成缢中所占的比例计入课程总评成缄,663期末考核601）卷面成绩100分，以卷面成绩乘以其在总评成绩中所占的比例计入课程总评成绩。（2）主要考核深度学习基础知识、深度学习框架及其对比、机器学习基础知识、深度学习框架基础、1.OgiStiC回归、多层掇知器、卷积神经网络与计算机觇觉、神经网络与自然语言处理等内容。（3）考试题型为：埴空柳、选择造、简答鹿、计算题和分析遨等.251520合计：】00分103030八、考核与成绩评定1 .考校方式及成陵评定考核方式：本课程主要以课堂表现、实验、作业、期末考试等方式对学生进行考核评价.考核基本要求：（加强过程考核）考核总成绩由期末试卷成绩和过程性考核成绩组成.其中：期末试卷成缱为100分（权电60%）,试题类型为埴空题、选择题、判断题、简答题、计算分析题等类型，送卷中基本知识、趋本理论、基本技能的试题分值不超过50%,综合应用即、分析的不低于50%：课堂表现、实验、作业等过程性考核成绩为100分（权重40S）：过程性考核和考试试S分值分配应与教学大纲各维节的学时暴本成比例.2 .过程性考核成绩的标准过程性考核方式里点考核内容、评价标准、所占比重见表5。表5过程性考楼方式评价标准考核方式所占比:100>x>9090>x8080”7070>x60x<60课堂表现25电记完整，枳极参与教学活动，胸疏回答问题,准确率大于90%。笔记完整.认真参与教学活动，回答问题准确率大于80%.笔记不完整，偶尔参与教学活动，回答问时准确率大于70%,上课不认真，上课不记簿记，偶尔参与教学活动.上课不认U.,不记笔记.不参与教学活动。实验原理清实验原理较实验原理基实验原理不无实验报晰、绘图规清晰、绘图本清时、绘图够清晰、绘告,实脸实验50范，实脸操较规范,实基本规范,实用不终规操作步骤作过程熟验操作过程&操作过程范,需在指有误，数绿、规范、较熟练、规培本熟缄、能导下完成翦据处理及正确.数据处理及讨论正确，范、正确.数据处理及讨论较正确。完成基本操作，数据处理及讨论基本正端本操作,数据处理及讨论不第正确，讨论有误.作业25作业完整，思路清晰，准确率大于90,字迹工整。作业完整，准确率大于80%,字迹工整.不交作业2次以内，准确率大于70».不交作业4次以内，准确率大于60%.不交作业5次以上，准确率小于60S.