《机器学习概论实验》教学大纲.docxVIP

机器学习概论实验 Introduction of Machine Learning一、课程基本情况 课程总学时：48学时实验总学时：16学时 学 分：3学分开课学期：第6学期 课程性质：选修对应理论课程：机器学习概论 适用专业：信息工程教材：周志华，《机器学习》，清华大学出版社，2016o 开课单位：电子与信息工程学院，信息工程系二、课程的教学目标和任务 机器学习概论课程主要介绍了机器学习的基础知识;根据本科教学需要以及业界的进展 情况，讨论一些经典的机器学习方法（线性模型、神经网络、支持向量机、贝叶斯分类器、 聚类等），并对近年来快速开展的深度学习方法进行了介绍。通过教学使学生全面了解当前 智能信息时代，机器学习技术的动态和开展趋势，并可针对自己面临的问题找到可行的解决 方案。本实验课程局部，力图使得学生掌握机器学习的开发工具如Matlab、Torch等，能够 通过上机实验完成一些基础的机器学习基本算法，并进行验证。 三、课程的内容和要求 序号 工程名称 所需 学时 内容提要 工程要求 实验类型 必开 选开 实验一 机器学习课程入 门实验 2 熟悉机器学习课程所需的常用数 据集，能够用Matlab进行读取和 可视化操作。 V 验证 实验二 线性回归模型实 验：对数概率回 归 2 熟悉Matlab平台，能够用基本的 Matlab语言编写对数概率回归模 型的程序，并进行分类实验。 V 设计 实验三 支持向量机实验 2 了解支持向量机SVM的基本原理, 能够用Matlab对常用数据集进行 V 验证 分类实验。 实验四 聚类分析实验 2 理解经典聚类算法K-means的基 本原理，能够对模拟或真实数据集 进行聚类分析。 V 验证 实验五 Torch深度学习 开发平台的学习 与实验-1 2 掌握Torch深度学习开发平台，能 够用Torch进行多层感知机的建模 与误差后向传播训练。 V 验证 实验六 Torch深度学习 开发平台的学习 与实验-2 2 掌握Torch深度学习开发平台，熟 悉Torch的NN模块，能够选择合 适的训练算法进行模型训练。 V 验证 实验七 深度学习-基于 卷积神经网络的 图像分类实验-1 2 理解卷积神经网络的基本原理，了 解经典的CNN网络结构图，能够 完成经典的图像数据集的导入与 显不O 7 综合 实验八 深度学习-基于 卷积神经网络的 图像分类实验-2 2 理解卷积神经网络的基本原理，会 用Torch针对经典的图像数据集进 行基本的图像分类实验。 V 综合 四、课程考核 (1)实验实习报告的撰写要求：完整书写相关程序代码； (2)实验实习报告：5次； (3)考核及成绩计算方式：由对应理论课程考核和评分。 五、参考书目 (1)机器学习，人民邮电出版社；Peter Flach (段菲 译者)，2016年1月1日，第1版;