《Python机器学习》思政教学大纲及授课计划.pdfVIP

《Python机器学习》思政教学大纲及授课计划--第1页

《Python机器学习》教学大纲

学分：2

学时：36，其中理论学时：18，实践（实验）学时：18

授课对象：各专业

一、课程简介（中文）

人工智能是计算机研究领域的一个重要分支,通过算法控制能够使机器模拟

人类智能，是现代工业必不可少的构成。机器学习是人工智能的核心基础。

本课程通过实用的案例，针对实际的日常工作任务，将机器学习算法深入浅

出地进行介绍。通过学习，学生可以掌握使用Python代码构建一些核心的机器

学习算法，并将其运用于策略性任务中，如分类、预测及推荐等。

课程适合的学习对象是对机器学习感兴趣的各专业研究生、本科生、专科生，

需具有入门水平的计算机编程和数学基础。

二、课程目标

通过课程学习，学生能够掌握人工智能的基本概念和机器学习的基础知识。

了解机器学习算法的类别、Python数据分析与处理、Python常用机器学习模块

（Numpy,Pandas,Matplotlib,Wordcloud,OpenCV,Scikitlearn等）。在此

基础上掌握K-近邻分类算法、K-均值聚类算法、智能推荐算法、回归算法、神

经网络与深度学习的基本原理；并熟悉机器学习算法的应用，掌握解决常见科学

问题的实验方法。

三、教学内容、学时分配和作业要求

（以36学时为例。本教材内容丰富，满足54学时、72学时教学需要，可根据

学情自主安排）

第1章机器学习概述（1学时上课+1学时实验）

1.1人工智能简介

1.2机器学习的主要工作

1.3机器学习开发环境

第2章Python数据处理基础（1学时上课+1学时实验）

2.1Python程序开发技术

2.2基本数据类型

2.3数据文件读写

第3章Python常用机器学习库（3学时上课+3学时实验）

3.1NumPy

3.2Pandas

3.3Matplotlib

3.4OpenCV

3.5Scikitlearn

3.6其他常用模块

第4章机器学习基础（1学时上课+1学时实验）

4.1机器学习模型

《Python机器学习》思政教学大纲及授课计划--第1页

《Python机器学习》思政教学大纲及授课计划--第2页

4.2机器学习算法的选择

4.3Python机器学习利器—SKlearn

第5章KNN分类算法（1.5学时上课+1.5学时实验）

5.1KNN分类

5.2初识KNN——鸢尾花分类

5.3KNN手写数字识别

第6章K-Means聚类算法（1学时上课+1学时实验）

6.1K-Means聚类算法

6.2使用K-Means实现数据聚类

6.3K-Means算法存在的问题

第7章推荐算法（1.5学时上课+1.5学时实验）

7.1推荐系统

7.2协同过