《机器学习原理与应用》课程教学大纲.docVIP

《机器学习》课程教学大纲

一、课程基本信息

课程代码：XXXXXXXX

课程学分：3学分

课程学时：72学时（其中：理论36学时，实践36学时）

课程类别：专业必修

适用专业：数据科学与大数据技术、智能科学与技术

考核方式：考试（闭卷、机试）

先修课程：Python编程基础、数据挖掘

二、课程简介

《机器学习》课程是数据科学与大数据技术、智能科学与技术专业的一门重要专业核心课。本课程着重培养学生利用机器学习算法分析与解决具体问题的能力以及工程意识与科学素养。在教学内容方面，本课程主要介绍机器学习的基本原理、关键术语与数学本质以及线性回归、Logistic回归、朴素贝叶斯、K近邻、决策树、支持向量机、混合高斯模型、K均值聚类、人工神经网络、集成学习等经典机器学习算法，其中涉及高等数学、概率论、数理统计、信息论等理论知识的讲解与基于Python语言的算法设计与编程实现。

三、课程教学目标

本课程的具体教学目标如下：

1.课程目标1：掌握机器学习基本原理、关键术语与数学本质以及相关Python语言编程与第三方库的使用方法。（指示点1.3）

2.课程目标2：理解与掌握数据采集、存储、处理与可视化以及特征提取与选择的基本原理与常用方法。（指示点4.1）

3.课程目标3：理解与掌握线性回归、Logistic回归、支持向量机等经典机器学习算法并能利用其对实际问题进行求解。（指示点4.3）

4.课程目标4：针对数据科学领域复杂工程问题进行数据采集、处理与分析并设计、选择与综合运用机器学习技术、资源与工具构建相关应用。（指示点5.2）

四、课程目标对毕业要求的支撑关系

毕业

要求

毕业要求指标点

课程

目标1

课程

目标2

课程

目标3

课程

目标4

1.工程知识应用能力

1.3能够综合运用数学、自然科学、计算、工程基础和专业知识对大数据复杂工程问题进行求解。

H

4.工程技术研究能力

4.1能够综合运用数据科学相关原理和方法，通过相关学术文献的分析，研究和设计大数据采集、处理、存储、分析、可视化和运维等环节的解决方案和实验方案。

H

4.3能够对实验结果进行分析和解释，并通过信息综合说明其有效性和合理性。

H

5.开发、选择和使用现代工具能力

5.2能够在大数据领域复杂工程问题的预测、建模或解决过程中，选择与使用恰当的技术、软硬件平台及开发工具。

H

五、理论教学内容

教学内容

学时

章节教学目标

教学方法

课程

目标

第1章绪论

（1）什么是机器学习。

（2）机器学习的典型应用。

（3）机器学习的一般原理及相关概念。

（4）学习问题的标准描述。

（5）设计一个学习系统：选择训练方式、选择目标函数、选择目标函数的表示、选择函数逼近算法、最终的设计等。

重点：（3）（4）。

难点：（5）。

2

（1）了解机器学习的一般原理及相关概念。

（2）理解学习问题的标准描述。

（3）掌握学习系统的构建步骤与方法。

讲授法

案例法

目标1

目标2

第2章Python编程基础

（1）Python语言基本语法。

（2）数据类型：数值、字符串、列表、元组、字典、集合等。

（3）运算符：算术运算符、逻辑运算符、条件运算符等。

（4）控制语句：分支语句、循环语句。

（5）函数定义方法、函数调用、内建函数等。

（6）类的定义与实例化、类变量与成员变量等。

（7）Input函数、文件读写等。

重点：（2）（4）（5）。

难点：（6）。

2

（1）了解Python语言基本语法。

（2）理解Python语言数据类型、运算符与控制语句、面向对象编程思想。

（3）掌握Python语言数据类型、运算符与控制语句、函数定义方法与调用、类的定义与实例化、Input函数、文件读写等。

讲授法

案例法

任务驱动法

目标1

目标2

目标3

第3章科学计算库

（1）NumPy基础：数组、生成等差数列、随机数、算术运算、数组连接、数组分割、线性代数、添加与删除元素、排序、有哪些信誉好的足球投注网站与计数等。

（2）Matplotlib绘图：折线图与函数图、散点图、饼图、柱状图（水平与垂直叠加）、图像读取与保存等。

重点：（1）（2）。

难点：（2）。

4

（1）了解NumPy库数据类型原理与使用方法。

（2）理解Matplotlib库的使用原理。

（3）掌握折线图、散点图、饼图、柱状图等画法。

讲授法

案例法

任务驱动法

目标1

目标2

目标3

第4章数学基础

（1）向量、矩阵与导数。

（2）贝叶斯定理。

（3）信息熵。

（4）常用距离。

重点：（1）（2）（3）（4）。

难点：（3）。

2

（1）理解贝叶斯定理、信息熵的含义。

（2）掌握利用Numpy库实现对向量、矩阵、导数、距离等进行运算的基本方法。

讲授法

案例法

任务驱动法

目标1

目标2

目标3

第5章线性回归

（1）线性回