《机器学习》课程教学大纲.docx

《机器学习》教学大纲

一、课程基本信息

课程名称

机器学习

MachineLearning

课程编码

GEO263911020

开课院部

地球科学与技术学院

课程团队

测井方法与原理教学团队

学分

2.0

课内学时

36

讲授

24

实验

0

上机

12

实践

0

课外学时

36

适用专业

勘查技术与工程（测井）

授课语言

中文

先修课程

高等数学（2-1）、高等数学（2-2）、线性代数、概率论与数理统计、测井方法与原理（电法）、测井方法与原理（声波）、测井方法与原理（核）、程序设计语言（Python）

课程简介

（必修）

机器学习是勘查技术与工程（测井）专业的专业必修课程。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。本课程主要讲授机器学习相关基础理论、主流机器学习思想和方法；介绍深度学习，为学生进一步深入学习和掌握人工智能技术、解决地球物理探测等领域难题奠定基础。

Machinelearningisacompulsorycourseforexplorationtechnologyandengineering(welllogging).Machinelearningisaninterdisciplinarysubject,involvingprobabilitytheory,statistics,approximationtheory,convexanalysis,algorithmcomplexitytheory,andotherdisciplines.Thiscoursemainlyincludesbasictheoriesofmachinelearning,mainstreamideasandmethods.Inaddition,thiscoursebrieflyintroducesthefoundationofdeeplearning,layingafoundationforstudentstofurtherstudyandmasterartificialintelligencetechnologyandsolveproblemsingeophysicalexplorationandotherfields.

二、课程目标

序号

代号

课程目标

OBE

毕业要求指标点

任务

自选

1

M1

理解并掌握机器学习的相关概念、主要算法思想、实现步骤及不同算法的优缺点。

是

3.2

3.2

2

M2

能够运用机器学习相关算法实现勘查地球物理领域工程应用问题解决。

是

5.3

3

M3

理解机器学习在勘查地球物理领域的复杂工程问题中使用的局限性。

是

1.5

三、课程内容

序号

章节号

标题

课程内容/重难点

支撑课程目标

课内学时

教学方式

课外学时

课外环节

1

第一章

绪论

本章重点难点：熟悉机器学习的发展、种类和概念，了解机器学习在各方面的应用实例。

/

/

/

/

/

2

1.1

机器学习介绍

机器学习：在大型数据库中的应用称之为数据挖掘，从海量数据中获取知识的过程与方法。

M1,M3

1

讲授

1

自学

3

1.2

机器学习的应用

通过学习监督、非监督学习等方面进行应用实例介绍，结合机器学习的概念，加深对机器学习的理解。

M2,M3

1

讲授

1

自学

4

第二章

应用数学基础

本章重点：对本课程用到的基本数学方法进行简单回顾。

/

/

/

/

/

5

2.1

线性代数基础

简要回顾向量，向量空间，线性变换和有限维的线性方程组等线性代数基本知识。

M1

1

讲授

1

自学

6

2.2

概率论基础

简要回顾概率论的基本概念、随机变量及其概率分布、统计量及其概率分布、参数估计和假设检验、回归分析、方差分析等内容

M1

1

讲授

1

自学

7

2.3

约束优化基础

简要回顾一维、多维有约束、无约束优化方法，线性规划，多目标及离散变量优化方法构成、迭代步骤、终止准则等基础

M1

1

讲授

1

自学

8

第三章

非参数与参数方法

本章重点难点：非参数方法与参数方法的联系与不同，两种方法在勘查地球物理领域的应用。

/

/

/

/

/

9

3.1

非参数方法

（1）非参数密度估计与非参数分类；（2）非参数回归：光滑模型。

M1

1

讲授

1

自学

10

3.2

参数方法

（1）最大似然估计；（2）贝叶斯估计；（3）回归。

M1

1

讲授

1

自学

11

3.3

上机实验

贝叶斯估计的实现及测井数据处理。

M2,M3

2

上机实验

2

编写程序，实验报告

12

第四章

多元方法

本章重点难点：将分类和回归推广到多元，调整学习方法