《机器学习与应用》教学大纲.doc

《机器学习与应用》教学大纲

课程编号英文名称：MachineLearningApplication

学分：3

学时：总学时64学时，其中理论32学时，实践32学时

先修课程：高级语言、数据结构、人工智能基础

课程类别：专业拓展课

授课对象：计算机科学与技术专业学生

教学单位：机械与电气工程学院

修读学期：第6学期

一、课程描述和目标

机器学习与应用是计算机科学理论基础研究的重要组成部分,机器学习与应用课程是计算机科学与技术专业的专业选修课。通过本课程的学习使学生掌握常见机器学习算法,包括算法的主要思想和基本步骤,并通过编程练习和典型应用实例加深了解；同时对机器学习的一般理论有深刻认识。

课程目标1:对国际上机器学习研究及应用领域的现状和发展有较全面地把握和及时了解。

课程目标2：掌握主流的机器学习方法和模型，并能根据实际问题的需要选择并实现相应的算法。

课程目标3：增强逻辑思维能力与实践能力，为后续高级课程奠定基础。

二、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

指标点4-2：能够根据计算机相关领域的复杂工程问题的研究对象及其特征，制定研究方法和技术路线，设计实验方案。

课程目标1

H

指标点5-3：能够针对具体系统模块，开发或选用满足特定需求的现代工具，模拟、预测计算机软硬件系统在设计与实施等过程中的专业问题，并能够分析其局限性。

课程目标2

M

指标点8-3：理解工程师对公众的安全、健康和福祉，以及环境保护的社会责任，并能够在计算机相关领域的工程实践中自觉履行责任。

课程目标3

M

三、教学内容、基本要求与学时分配

序号

教学内容

基本要求及重、难点（含德育要求）

学时

教学

方式

对应课程目标

1

机器学习概述

了解时代背景、发展现状，并掌握机器学习基本概念。

2

讲授式

启发式

课程目标1

2

线性回归

掌握回归算法、归一化及优化方法

2

讲授式

启发式

课程目标1、

课程目标3

3

逻辑回归

理解分类算法原理、逻辑回归算法、Sigmoid函数

2

讲授式

启发式

课程目标1、

课程目标2

4

朴素贝叶斯

理解贝叶斯公式原理，掌握朴素贝叶斯算法

2

讲授式

启发式

课程目标1、

课程目标2

5

支持向量机

掌握支持向量机算法原理，理解线性可分及线性不可分的区别，掌握核方法

4

讲授式

启发式

课程目标1、

课程目标2

6

K近邻算法

掌握距离度量方式，掌握K近邻算法

2

讲授式

启发式

课程目标1、

课程目标2

7

聚类算法

理解无监督学习原理，掌握K-means聚类算法，掌握密度聚类和层次聚类算法，运用多种聚类算法评价指标分析各种聚类算法

4

讲授式

启发式

课程目标1、

课程目标3

8

降维算法

理解降维算法的原理，掌握LDA算法，掌握PCA算法

2

讲授式

启发式

课程目标1、

课程目标3

9

决策树

理解决策树的原理，掌握ID3算法，掌握C4.5算法

4

讲授式

启发式

课程目标1、

课程目标3

10

集成学习

理解集成学习的原理，掌握Adboost算法，掌握XGboost算法

4

讲授式

启发式

课程目标2、

课程目标3

11

深度学习

了解深度学习的基本概念、掌握常见结构及对应算法的应用

4

讲授式

启发式

课程目标2、

课程目标3

合计

32

序号

实验项目

实验内容与要求

学时

类型

对应课程目标

1

线性回归算法的实现与应用

掌握数据处理的基本技巧，掌握线性回归算法的基本应用。

6

设计

课程目标2

2

逻辑回归算法的设计与实现

掌握逻辑回归算法的技术，利用逻辑回归算法进行分类。

6

设计

课程目标2

3

支持向量机的实现与应用

掌握支持向量机的学习与推理，利用支持向量机完成不同场景的分类。

6

设计

课程目标2

4

聚类算法的实现与应用

掌握K-means聚类算法技术，并完成无监督聚类算法的具体应用。

6

设计

课程目标2

5

卷积神经网络的设计与实现

掌握卷积神经网络的卷积核、池化层等参数的配置，及训练的技巧。

8

综合

课程目标2

合计

32

四、课程教学方法

采取集中讲授、课堂讨论、案例分析、在线教学等教学方式。

五、学业评价和课程考核

（一）考核方式及具体要求

1.课程成绩构成与要求

课程考核注重形成性和终结性评价相结合，考核内容主要由平时作业、课程实验、期末综合大作业组成，均按百分制计分，其中平时作业成绩占20%、课程实验成绩占30%、期末考核成绩占50%。

2.课程目标达成考核与评价

序号

考核方式

课程目标1（分值）

课程目标2（分值）

课程目标3（分值）

合计

1

平时作业

10

10

0

20

2

课程实验

10

10

10

30

3

期末综合大作业

10

20

20

40

课程目标对应分值

30

40