《智能算法程序设计Python》课程教学大纲.docxVIP

《智能算法程序设计(Python)》课程教学大纲 一、课程概况 课程名称：智能算法程序设计(Python)课程学分：3 课程学时：48（理论学时：24；实验（实践）学时：24） 课程性质：选修（课程性质以 2018 版人才培养方案的要求为准）开课部门：×× 建议修读学期：5 建议先修课程：线性代数，概率与数理统计，C 语言程序设计，面向对象程序设计(C++)适用专业（方向）：×× 二、课程地位、作用与任务 以机器学习（特别是深度学习）为代表的新一代人工智能正在主导第四次工业革命，人类社会正在由信息社会进入智能社会，??课程就是为了适应这一发展趋势而开设的一门应用基础课程。??课程的知识体系主要涵盖机器学习基础、Python 入门、基??分类回归降维算法等，在学科体系中属于计算机应用基础知识，在人才培养方案中具有基础性的地位和作用。学生通过该课程的学习，应掌握机器学习的基??概念、基??方法，掌握Python 的基础知识，掌握基??算法的原理及 Python 编程实现技能。 三、课程目标 （一）教学目标 《智能算法程序设计(Python)》具体要求达到的特定教学目标包括： 教学目标 1. 掌握机器学习基??理论知识及基??的工程实现基础知识（指标点 1.2） 教学目标 2. 能够运用机器学习基??理论知识识别问题，并清楚、准确的表达出问题。（指标点 2.1） 教学目标 3. 能够结合特定问题的具体需求，使用 Python 编程语言进行基??的智能算法建模和程序设计实现。（指标点 3.2） （二）??课程支撑的毕业要求 ??课程支撑的毕业要求：（例如：毕业要求 3、6、7。）（毕业要求见 2018 版人才培养方案） 毕业要求 1、2、3。 ??课程支撑的指标点：（例如：指标点 3.2、6.2、7.1、7.3，后面对指标点进行具体说明，示例如下： 指标点 1.2：具有扎实的工程基础知识和计算机科学与技术专业基??理论知识。 指标点 2.1：能够运用数理、自然科学和工程科学的基??原理，识别问题，并清楚、准确地表达出问题。 指标点 3.2：使用特定软件工具正确进行系统建模，设计过程划分科学合理，确保目标达成的可能性，能按概念设计、概要设计、详细设计进行软件系统设计。 （三）课程教学目标与毕业要求对应表 《智能算法程序设计(Python)》课程教学目标与毕业要求的对应表 课程名称： 智能算法程序设计 (Python) 任课教师：张三 课程性质：专业选修 课程学分：3 课程支撑的毕业要求 课程目标、达成途径、评价依据 毕业要求 1： 教学目标：掌握机器学习基??理论知识及基??的工程实 1.2 具有扎实的工程基础知识和 现基础知识。 计算机科学与技术专业基??理论 达成途径：掌握机器学习的基??概念，基??分类算法、 知识 基??回归算法、基??降维算法的算法原理。掌握 Python 编程语言的基??知识，能够对基??算法进行编码，达到 基??的工程实现。 评价依据：课堂笔记、提问、课堂测验、课外作业、实 验和考试。 毕业要求 2： 教学目标：能够运用机器学习基??理论知识识别问题， 2.1 能够运用数理、自然科学和工 并清楚、准确的表达出问题。 程科学的基??原理，识别问题， 达成途径：结合分类、回归、降维三类基??问题，训练 并清楚、准确地表达出问题 学生运用机器学习基??理论知识，识别算法设计和实现 中的具体问题，并清楚、准确的表达出问题。 评价依据：课堂笔记、提问、课堂测验、课外作业、实 验和考试。 毕业要求 3： 教学目标：能够结合特定问题的具体需求，使用 Python 3.2 使用特定软件工具正确进行 编程语言进行基??的智能算法建模和程序设计实现。 系统建模，设计过程划分科学合 达成途径：结合分类、回归、降维三类基??问题的具体 理，确保目标达成的可能性，能 需求，训练学生使用 Python 编程语言进行基??的智能算 按概念设计、概要设计、详细设 法建模和程序设计实现。 计进行软件系统设计 评价依据：课堂笔记、提问、课堂测验、课外作业、实 验和考试。 四、课程内容 教学内容 作业要求 第一章 机器学习基础 自学内容：机器学习在日常生活中的应用。 1.78 什么是机器学习 数据时代的到来使得机器学习正在变得越 1.79 关键术语 来越重要，人们的工作方式随之发生根??性 1.80 机器学习的主要任务 的改变。??章小结。 1.81 如何选择合适的算法 1.82 开发机器学习应用程序的步骤知识点： 机器学习的概念与关键术语：特征/属性，实例/样??，目标变量，标称/离散型变量——分类，数值/连续型变量——回归，训练集，测试集，验证集，白盒与黑盒——知识表示，表示学习。 机器学习的主要任务，机器学习的应用范围：有监