03M0268-《机器学习》-教学大纲.docVIP

下载本文档

1
0
约7.01千字
约 8页
2025-01-22 发布于北京
举报
版权申诉

03M0268-《机器学习》-教学大纲.doc

1、本文档共8页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

PAGE1

《机器学习》教学大纲

课程英文名

MachineLearning

课程代码

03M0268

学分

2.5

总学时

理论学时

实验学时

上机学时

实践学时

课程类别

专业教育课

课程性质

任选

先修课程

线性代数、Python程序设计

适用专业

计算机科学与技术

开课学院

信息工程学院

执笔人

张兆娟

审定人

叶敏超

制定时间

2024年12月

注：课程类别是指公共基础课/学科基础课/专业教育课；课程性质是指必修/限选/任选。

一、课程地位与课程目标

（一）课程地位

机器学习是人工智能的核心组成部分，其算法和模型构成了智能系统学习和适应能力的基础。《机器学习》课程在人工智能专业人才培养体系中占据核心地位，是连接数学基础、计算机科学理论与实际应用的关键桥梁。本课程旨在为学生提供机器学习的基本理论、方法和算法的系统性学习，使其能够在数据分析、模型构建、算法实现等方面具备扎实的专业能力。课程的作用在于培养学生运用机器学习技术解决复杂问题的能力，为后续深入学习深度学习、模式识别、数据挖掘等领域打下坚实的基础，同时为学生在科研、工程实践及未来职业生涯中从事人工智能相关领域的工作提供必要的理论支撑和技术储备。

（二）课程目标

本课程作为人工智能专业的重要学科基础课，其目标是使学生掌握机器学习的基本理论、方法和算法，培养其运用机器学习技术解决实际问题的能力，同时提升学生的数据分析、模型优化、编程实践和创新能力，为学生未来在人工智能及其相关领域的学术研究或职业发展奠定坚实的理论基础和实践技能。

课程目标：

1.了解机器学习的基本概念、发展历程和主要分类，掌握机器学习的基本流程和算法原理。

2.理解监督学习、无监督学习、强化学习等机器学习范式，掌握模型训练、评估和优化的方法，培养学生解决实际问题的能力。

3.掌握特征工程、模型选择、超参数调整等关键技能，具备独立进行机器学习项目实践的能力。

思政目标：

1.培养新时代计算机领域工程人才，拓展学生视野，掌握科学研究方法、技术报告撰写和学术交流的技巧。

2.通过机器学习在伦理、社会责任等方面的案例教学，培养学生的科学精神、创新意识、职业道德和社会责任感。

二、课程目标达成的途径与方法

课程主要以课堂教学与实验操作为主，结合课堂讨论、课外作业、小组大作业、期末测试等途径和方式来达成。具体课程目标的达成途径与方法如下表所示。

课程目标

课程目标内容

支撑毕业要求指标点

目标达成的途径与方法

教学内容

课程目标1

了解机器学习的基本概念、发展历程和主要分类，掌握机器学习的基本流程和算法原理。

指标点2.1：能够利用各种数学、自然科学和工程科学等知识对人工智能复杂工程问题进行识别和判断，并结合人工智能专业知识对问题进行有效分解。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第1章：机器学习概述

第2章：模型评估与选择

课程目标2

理解监督学习、无监督学习、强化学习等机器学习范式，掌握模型训练、评估和优化的方法，培养学生解决实际问题的能力。

指标点3.3：了解人工智能系统对社会、健康、安全、法律、文化以及环境等因素的影响，能够从系统的角度权衡涉及到的相关因素，提出解决方案，完成系统设计与实现，并通过实验测试分析其有效性。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第3章：回归模型

第4章：支持向量机(SVM)

第5章：贝叶斯分类器

第6章：决策树

第7章：集成学习

第9章:聚类

课程目标3

掌握特征工程、模型选择、超参数调整等关键技能，具备独立进行机器学习项目实践的能力。

指标点5.1：能够针对人工智能领域的复杂工程问题选择恰当的软硬件平台、编程语言和设计仿真工具。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第8章：神经网络

第10章:强化学习

三、课程目标与相关毕业要求的对应关系

课程目标

课程目标对毕业要求的支撑程度（H、M、L）

毕业要求2

毕业要求3

毕业要求5

课程目标1

课程目标2

课程目标3

注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。

四、课程主要内容与基本要求

第1章：机器学习概述

1.1机器学习的概念与基本术语

1.2人工智能、机器学习、深度学习三者的关系

1.3机器学习的三个基本要素

1.4机器学习模型的分类

1.5数据预处理

基本要求：了解人工智能及机器学习的基本概念、应用场景、发展历程、最新进展、重要事件；理解机器学习模型分类及其工作原理；掌握机器学习所需的预备知识，包括线性代数基础、概率论基础、约束优化问题；了解数据预处理一般流程与方法。通过探讨人工智能的最新发展动态，激发学生对人工智能技术与人类社会发展关系的深入思考。