《机器学习》课程教学大纲.docxVIP

《机器学习》教学大纲 一、课程基本信息 课程名称 机器学习 Machine Learning 课程编码 SCC321211035开课院部 理学院 课程团队 数据科学团队 学分 3.5课内学时60讲授 48实验0上机 12实践 0课外学时60 适用专业 数据科学与大数据技术 授课语言 中文 先修课程 Python语言与实训、应用统计学 课程简介 （必函 《机器学习》是数据科学与大数据技术专业的一门必修课和专业核心课。通过本课程的学习，使学生了解机器学习的基本概念、应用 背景；掌握各类机器学习算法的基本原理；培养学生学会分析研究计算机处理的数据对象的特性，以便选择适当的机器学习算法和模型解 决实际问题。本课程侧重于进行数据分析和复杂程序设计的训练过程。通过对具体机器学习算法和应用案例的研究，进一步锻炼学生的动 手能力，培养学生解决实际问题的能力。 Machine Learning is a compulsory course and core course for the major of data science and big data technology. Through the study of this course, students can understand the basic concepts and application background of machine learning; master the basic principles of various machine learning algorithms; train students to learn to analyze the characteristics of data objects processed by computers, so as to select appropriate machine learning algorithms and models to solve practical problems. This course focuses on the training process of data analysis and complex programming. Through the study of specific machine learning algorithms and application cases, practical abi1ity is further trained and their ability to solve practical problems is trained. 负责人 大纲执笔人 审核人 二、课程目标 序号 代号 课程目标 0BE 毕业要求指标点 任务 自选 1 Ml 目标1 ： 了解机器学习的基本概念、掌握各类机器学习算法的基本原理 是 4. 1 2 M2 目标2 ：采用Python编程实现各类机器学习算法，掌握复杂大数据处理和分析的基础知识，具有较 好的理论基础 是 4. 1  3 M3 目标3 ：培养学生学会选择适当的机器学习算法和模型解决实际问题，能够就数据科学与大数据技 术领域的复杂问题与同行及社会公众进行有效的沟通和交流，清楚地阐述专业观点，包括陈述发 言、清晰表达或回应指令 是 6.2 4 M4 目标4 ：能保障课程正常秩序（政治层面、课堂保障层面，非学生能力层面） 否 三、课程内容 序号 章节号 标题 课程内容/重难点 支撑课 程目标 课内 学时 教学方式 课外 学时 课外环节 1 第1章 第1章引言 本章重点难点：机器学习的主要任务；莺尾花分类 / / / 2 1. 1 1.1机器学习的简 单概述 机器学习的概念、机器学习的关键术语、机器学习的主要任 务、开发机器学习应用程序的步骤 Ml 1 讲授 1 自学资料 3 1.2 1.2第一个应 用：莺尾花分类 初识数据、训练数据与测试数据、观察数据、构建第一个模 型：k近邻算法、做出预测、评估模型 Ml 1 讲授 1 自学资料 4 第2章 第2章监督学习 本章重点难点：监督学习算法、分类器的不确定度估计。 / / / / 5 2. 1 2.1分类与回归 分类与回归 Ml 1 讲授 1 自学资料 6 2.2 2.2泛化、过拟 合与欠拟合 泛化、过拟合与欠拟合 Ml 1 讲授 1 自学资料 7 2.3 2.3监督学习算 法 k近邻、线性模型、朴素贝叶斯分类器、决策树、决策树集 成、核支持向量机、神经网络（深度学习） Ml 8 讲授 8 自学资料 8 2.4 2.4分类器的不 确定度估计 决策函数、预测概率、多分类问题的不确定度 Ml 2 讲授 2 自学资料 9 实验1 实验1监督分类 算法实验 监