《人工智能》课程大纲.docxVIP

《人工智能》课程大纲

课程简介

随着大数据的发展和计算机运算能力的不断提升，人工智能在最近几年取得了令人瞩目的成就。目前在很多行业中，都有企业开始应用深度学习技术，从而获取更深刻的洞察，为企业经营或日常生活提供帮助，提升产品服务水平。

深度学习已经广泛应用于数据挖掘、有哪些信誉好的足球投注网站引擎、电子商务、自动驾驶、图像识别、量化投资、自然语言处理、计算机视觉、医学诊断、信用卡欺诈检测、证券金融市场分析、游戏和机器人等领域，深度学习相关技术的进步促进了人工智能在各个领域的发展。

教学目标

了解深度学习的重要性与国内外的发展状况及未来发展方向；掌握深度学习的——些基本概念、算法、原理及相关技术；能熟练地运用深度学习技术及工具解决实际应用问题。

通过本课程的学习，要求学生能够全面掌握深度学习的基本理论和基本方法，了解深度学习的简单历史过程，熟悉深度学习的基本程序和深度学习的应用领域；同时要求学生能根据深度学习研究的目的、统计数据的来源渠道和数据类型的不同，选择恰当的数学模型来对社会经济现象进行拟合。为了结合非深度学习学专业学生的学习要求和教学内容的完整性，要求学生能够掌握必需的深度学习方法和基本的统计指标知识，为深入进行实际问题的分析和理论研究提供依据。

教学内容

序号

章节名称

主要内容

教学目标

学时

1

机器学习简介

1.机器学习回顾

2.机器学习分类

1.学习机器学习的概念，对机器学习有一定了解

2.了解机器学习的应用领域

2

2

分类算法——决策树算法

1.认识决策树模型

2.理解决策树的数理逻辑

3.认识决策树的分类规则

4.理解决策树的优缺点

5.理解信息熵和信息增益的概念

6.理解决策树的生成

1.掌握决策树的推导、信息熵的意义

2.掌握不同决策树算法之间的区别

3.掌握信息增益的计算

3

3

分类算法——KNN

1.理解KNN算法

2.理解KNN背后的数理逻辑

3.KNN算法的变形

4.KNN算法的实现

1.掌握KNN算法的推导过程

2.掌握KNN算法

1

4

分类算法——朴素贝叶斯

1.认识朴素贝叶斯模型

2.理解朴素贝叶斯的数理逻辑

3.认识朴素贝叶斯所需的数学公式

4.理解朴素贝叶斯的优缺点

1.掌握朴素贝叶斯的推导

2.掌握朴素贝叶斯的应用

3

5

回归算法——线性回归

1.理解线性回归算法

2.掌握最小二乘法

3.掌握线性回归的推导

4.掌握线性回归模型

5.理解机器学习三要素

1.让学生理解回归函数

2.理解回归类算法的内核

3.掌握不同情形下回归算法的运用

4

6

回归算法——逻辑回归

1.理解逻辑回归算法推导

2.明确逻辑回归算法运用场景

3.逻辑回归的分类任务、基本形式、损失函数和优化求解

1.理解逻辑回归背后的数理逻辑

2.掌握牛顿法的运用

3.明确逻辑回归算法的基本流程

4

7

分类算法——

支持向量机

1.理解SVM算法

2.了解SVM算法的推导过程

3.理解SVM的优缺点

4.了解SVM的支持向量回归

1.理解SVM算法的推导过程、背后蕴含的数学知识

2.掌握SVM算法

2

8

聚类算法——kmeans算法

1.理解聚类的意义

2.理解kmeans算法的逻辑

3.了解其他聚类算法例如密度聚类以及层次聚类

1.熟练掌握kmeans算法

2.了解其他聚类算法

3

9

降维算法

1.理解数据降维的意义

2.掌握数据降维的逻辑

3.理解PCA的意义

4.了解流形学习

1.理解降维的意义和运用场合

2.了解其他的降维方法

2

10

特征工程

1.理解特征工程的意义

2.掌握数个特征工程方法

3.理解如何运用特征工程

1.理解特征工程的意义和运用场合

2.区分各种方法的运用

2

11

集成算法

1.理解集成算法的推导与诞生

2.掌握数个集成学习方法

1.理解集成学习的逻辑

2.掌握集成学习方法

4

12

关联算法

1.理解关联算法的原理

2.了解关联算法的运用场景

3.掌握数个关联学习算法

1.理解关联算法的逻辑

2.掌握关联算法的内涵和运用

2

13

迈进深度学习之门

1.深度学习简要回顾

2.深度学习简介

3.深度学习的意义

4.深度学习的应用

1.学习深度学习的概念，对深度学习有一定了解

2.了解深度学习的应用领域

3

14

多层感知器

1.理解多层感知机模型

2.学习如何推导多层感知机

3.理解多层感知机与神经网络深度学习的联系

1.学习多层感知机的概念，以及与神经网路的联系

2.掌握多层感知机的推导

2

15

神经网络

1.理解神经网络的含义

2.对神经网络有初步的了解

1.了解神经网络的定义和逻辑

2

16

BP神经网络

1.理解BP神经网络的含义

2.理解BP神经网络的案例实施

1.掌握BP神经网络的基