机器学习原理与实战教学大纲-机器学习原理与实战教学教案-机器学习原理与实战课程标准8.docxVIP

《机器学习原理与实战》教学大纲 课程名称：机器学习原理与实战 课程类别：必修 适用专业：大数据技术类相关专业 总学时：64学时（其中理论36学时,实验28学时） 总学分：2.0学分 课程地性质 大数据时代已经到来,在广告营销,文化管理,商业经济等领域中基于数据与分析去发现问题并做出科学,客观地决策越来越重要。本课程主要面向非计算机类专业学生,介绍如何利用大数据分析方法来实现常见数据分析任务,侧重于方法地应用与问题地解决,注重案例结合与实际操作地学习,强调学生掌握具体数据分析方法并可以自主开展各种数据分析活动。为了推动我国大数据,云计算,人工智能行业地发展,面向社会数据分析人才需求,开设大数据分析与应用课程。课程任务是通过本课程地学习,使学生学会使用Python进行数据质量校验,可视化绘图,数据处理,特征工程,构建有/无监督与智能推荐模型,并详细拆解学习回归,分类,聚类与智能推荐4个企业案例与一个综合案例,将理论与实践相结合,为将来从事机器学习研究,工作奠定基础,同时提高学生地自我学习能力与创新能力。 课程学时分配 序号 教学内容 理论学时 实验学时 其它 1 第1章 机器学习概述 2 0 2 第2章 数据准备 2 2 3 第3章 特征工程 2 2 4 第4章 有监督学习 8 4 5 第5章 无监督学习 6 2 6 第6章 智能推荐 4 2 7 第7章 市财政收入分析 2 4 8 第8章 基于非侵入式电力负荷监测与分解地电力分析 2 4 9 第9章 航空公司客户价值分析 2 4 10 第10章 广电大数据营销推荐 2 4 11 第11章 基于TipDM数据挖掘建模平台实现航空公司客户价值 2 2 总计 34 30 教学内容与学时安排 理论教学 序号 章节名称 主要内容 教学目标 学时 1 机器学习概述 掌握机器学习地概念 掌握机器学习通用流程 了解机器学习地应用场景 了解机器学习地常用工具 掌握机器学习地概念,流程与应用场景 了解机器学习地常用工具 2 2 数据准备 数据质量较检 数据分析趋势探查 数据清洗 数据合并 掌握数据质量校检 掌握数据分析趋势探查 掌握数据清洗与合并 2 3 特征工程 特征变换 特征选择 掌握特征变换 掌握特征选择 2 4 有监督学习 了解有监督学习概念 性能度量 线性模型 K近邻分类 决策树 支向量机 神经网络 集成学习 掌握性能度量 掌握线性模型 掌握K邻近分类 掌握决策树 掌握神经网络 8 5 无监督学习 了解无监督学习概念 PCA降维 核化线性降维 原型聚类 密度聚类 层次聚类 掌握降维 掌握聚类 6 6 智能推荐 了解智能推荐地概念 性能度量 关联规则 协同过滤 掌握性能度量 掌握关联规则 掌握协同过滤 4 7 市财政收入分析 分析财政收入预测背景 了解财政收入预测地方法 熟悉财政收入预测地步骤与流程 了解相关性分析 分析计算结果 了解Lasso回归方法 分析Lasso回归结果 了解灰色预测算法 了解SVR算法 分析预测结果 熟悉财政收入预测地步骤与流程 掌握相关性分析方法与应用 掌握使用Lasso模型选取特征地方法 掌握灰色预测地原理与应用 掌握支持向量回归算法地基本原理与应用 2 8 基于非侵入式电力负荷监测与分解地电力分析 分析电力分项计量地背景 了解设备分类预测地方法 熟悉设备分类预测地步骤与流程 处理缺失值 合并数据与构建特征 了解K近邻算法 分析预测结果 熟悉设备分类预测地步骤与流程 掌握处理缺失值地方法 掌握合并数据与构建特征地方法 掌握K近邻地原理与应用 2 9 航空公司客户价值分析 分析航空公司现状 认识客户价值分析 熟悉航空客户价值分析地步骤与流程 处理缺失值与异常值 构建航空客户价值分析关键特征 标准化LRFMC 5个特征 了解K-Means聚类算法 分析聚类结果 熟悉航空客户价值分析地步骤与流程 了解RFM模型地基本原理 掌握K-Means算法地基本原理与使用方法 比较不同类别客户地客户价值,制定相应地营销策略 2 10 广电大数据营销推荐 目标分析 数据准备 特征工程 模型构建 性能度量 结果分析 掌握目标分析 掌握模型构建 2 11 基于TipDM数据挖掘建模平台实现航空公司客户价值 平台简介 案例应用 掌握平台简介 掌握案例分析 2 学 时 合 计 34 实验教学 序号 实验项目名称 实验要求 学时 1 数据准备 掌握缺失值与异常值地分析与处理 掌握数据分布与趋势探查 掌握数据合并 2 2 特征工程 掌握特征变换 掌握特征选择 2 3 有监督学习 掌握性能度量 掌握线性模型 掌握K近邻分类 掌握决策树 掌握神经网络 4 4 无监督学习 掌握PCA降维 掌握核化线性降维 掌握原型聚类 掌握密度聚类 掌握层次聚类 2 5 智能推荐 构建关联规则模型 构建智能推荐