《人工智能》课程大纲.docxVIP

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

《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

文档评论(0)

青柠职教 + 关注
实名认证
服务提供商

从业10年,专注职业教育专业建设,实训室建设等。

1亿VIP精品文档

相关文档