智感21-机器学习-2024级.docxVIP

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
查看更多

PAGE4

《机器学习》教学大纲

课程英文名

MachineLearning

课程代码

02M0116

学分

2

总学时

32

理论学时

24

实验学时

0

上机学时

8

实践学时

0

课程类别

专业课

课程性质

限选

先修课程

高等数学、线性代数、概率论等

适用专业

智能感知工程(2024级)

开课学院

计量测试与仪器学院

执笔人

曹松晓

审定人

沈小燕

制定时间

2025年1月

注:课程类别是指公共基础课/学科基础课/专业课;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

机器学习通过对所获取的数据进行分析和学习,发现数据的模式和规律,从而达到预测和解决问题的目的,是智能感知系统的大脑和核心,是当今人工智能飞速发展的重要的理论和技术基础,对国家整体发展起着至关重要的作用。

本课程是智能感知专业本科生的一门专业限选课。通过这门课程的学习,学生初步掌握机器学习的基本理论和常用方法,掌握目前机器学习领域的主流研究方向,完善学生知识体系,拓展学生思维方法,培养学生的机器学习分析和应用能力,更好的适应新技术发展的要求。

(二)课程目标

课程目标1:理解机器学习方法对于我国科技自主化和关键产业发展的重要性。理解本课程研究的对象和内容,能解释机器学习中主要专业术语,理解机器学习相关的数学方法和基础知识。(毕业要求2.2)

课程目标2:能针对不同实际工程问题,理解设计任务需求及对应机器学习性能指标要求,培养学生利用数学知识解决工程问题的能力。(毕业要求4.1)

课程目标3:能根据不同的样本、数据和目标,采用针对性的机器学习方法对数据进行处理、分类和识别。(毕业要求5.3、毕业要求11.1)

(三)思政目标

本课程以培养智能感知工程人才为核心,激发学生对专业和行业的认同感和爱国情怀;在工程问题的发现与解决过程中,理解机器学习对国家现代化建设和科技发展,特别是高科技卡脖子领域发展的重要意义;培养学生形成严谨、求真和务实的科学思维,激发学生创新意识。

二、课程目标达成的途径与方法

(1)以课堂教学为主,结合上机实验、平时作业、课后答疑等。

(2)课堂教学主要讲解机器学习的基本概念、常用方法的数学原理和应用实例,包括线性模型、支持向量机、贝叶斯分类器、集成学习、深度学习和强化学习等,通过演算和分析,使学生理解其中的底层原理和使用方法。课堂教学尽量引入互动环节,使同学们能更好地融入课堂教学,提高教学效果。

(3)通过8个学时的上机实验,让学生自己动手编程实践4个机器学习算法,提高学生的实际动手能力、编程能力和解决问题的能力。

(4)要求学生完成来源于真实应用场景的实践项目,培养学生的工程管理观念,以最优最有经济效率的方法解决工程实际问题;鼓励学生在电脑上搭建编程环境,动手实践中增强学生对基本原理和方法的理解。

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2.2

毕业要求4.1

毕业要求5.3

毕业要求11.1

课程目标1

L

课程目标2

L

课程目标3

M

H

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)。

2.相关毕业要求:

2.2文献分析能力:会用文献研究法查找与该复杂工程问题相关的资料,通过分析比较找到解决该复杂工程问题的关键点,并判断解决该复杂工程问题的可能性。

4.1研究方案设计能力:系统了解常用研究方法,如实验法、数值模拟法、文献研究法等,具有针对典型专业复杂工程问题梳理、评述已有研究方案的能力,能够针对该复杂工程问题合理制定研究路线、设计实验方案。

5.3工具开发能力:能够根据智能感知工程专业领域复杂工程问题的特定需求,通过组合、选配、改进、二次开发、原始开发等方式有效开发现代工具,理解其局限性,进而实现对该复杂工程问题的分析、计算、模拟和预测。

11.1管理和经济决策方法:系统理解工程管理与经济决策方法;了解工程及产品全周期、全流程的成本构成并理解其中涉及的工程管理与经济决策问题。

四、课程主要内容与基本要求

第一章机器学习概论和基础知识

主要内容:

机器学习基本概念,回顾和总结前导课程已经有所学习的经典机器学习方法,包括线性模型、决策树和支持向量机等。

基本要求:

了解机器学习的发展史,理解机器学习对于各行业的重要性,了解机器学习当前的热点以及发展趋势。

掌握线性模型、支持向量机、决策树的基本原理和数学模型。

通过对机器学习发展历史和演变的讲解,特别是从神经网络到深度学习的浮浮沉沉的经历,培养学生坚持真理、勇于创新、专注做事终会有所成的科学精神。通过华为事件等例子,让学生明白高科技竞争是国家生死存亡的重大战略且人人有责,激发学生的爱国情怀。

第二章贝叶斯分类

主要内容:贝叶斯方法的发展历

文档评论(0)

阿尔格栅rerfa + 关注
实名认证
文档贡献者

知识杂货铺~

1亿VIP精品文档

相关文档