原创力文档- 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、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、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、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 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、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、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
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
任选
先修课程
高等数学、线性代数、概率论
适用专业
测控技术与仪器（卓越）
适用年级
2024级
开课学院
计量测试与仪器学院
执笔人
沈小燕
审定人
姚燕
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
本课程是测控技术与仪器专业本科生的一门专业课。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
1.理解机器学习和人工智能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。
2.学习并理解几种经典的机器学习算法的底层数学原理和推导过程，并能针对具体问题进行相应的应用。
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。
（三）思政目标
1.理解机器学习和人工智能对于我国科技自主化和关键产业发展的重要性。
2．在各个主要知识点的讲解过程中，通过对国内外各个高校和公司在人工智能领域的最新研究成果对比，让学生意识到我国目前在该领域的优势和不足，激发学生的爱国热情和学习热情。
3．通过实际案例，让学生明白在机器学习中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。
二、课程目标达成的途径与方法
机器学习是一门既有深厚的数学理论又有丰富的实际应用案例的学科，因此在课程教学过程中，对理论和实际案例采用不同的教学方式。
针对理论部分，多采用板书的形式，少用或不用PPT，将各个理论从零开始一步一步当堂推导和演算，力求讲深讲透；
针对实际应用案例部分，则多采用实际应用场景视频、图片和师生互动的方式，力求课堂氛围活泼生动；
通过8个学时的上机实验，让学生自己动手编程来实现4个经典的机器学习算法，提高学生的实际动手能力、编程能力和解决问题的能力。
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1
毕业要求3
毕业要求4
课程目标1
M
课程目标2
M
课程目标3
L
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
第一章概论
介绍机器学习的定义、机器学习的发展史和机器学习的研究内容。
思政内容：理解机器学习对于我国科技自主化和关键产业发展的重要性。
第二章模型评估与选择
理解欠拟合和过拟合的概念和现象，掌握准确率和召回率的意义和方法，理解不同性能度量方法的区别和使用方法。
思政内容：扎实掌握基本原理和概念，培养学生踏实求是创新的科学精神。
第三章线性模型
理解线性模型的基本形式，掌握最小二乘法的求解思路，掌握如何利用梯度下降法求解最小二乘问题。掌握如何利用Logistic回归进行分类。
思政内容：理解经典的线性回归理论及数学原理，培养学生踏实求是创新的科学精神。
第四章决策树
学习基本的决策树算法流程，掌握信息熵的计算方法，理解剪枝方法和作用。
思政内容：理解经典的决策树理论及数学原理，培养学生踏实求是创新的科学精神。
第五章神经网络
理解神经网络的基本结构，掌握神经网络的参数优化方法，学会利用神经网络进行回归和分类任务。
思政内容：理解神经网络的决策树理论及数学原理，培养学生踏实求是创新的科学精神。
第六章支持向量机
了解支持向量的概念，理解核函数的基本概念，掌握支持向量机的参数优化方法，学会利用支持向量机进行回归和分类任务。
思政内容：理解SVM中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。
第七章贝叶斯分类器
掌握朴素贝叶斯分类器的思路，理解贝叶斯网络的基本结构。
思政内容：了解贝叶斯分类器中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。
第八章聚类分析
学习基本的聚类分析方法如k均值聚类、k最近邻算法等。
思政内容：了解贝聚类分析中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。
第九章降维和度量学习
学习k近邻学习方法、PCA方法及流行学习等。
思政内容：了解降维中数学理论和实际应用是如何有机结合的，培养学生踏实求是创新的科学精神。
五、课程学时安排
章节号
教学内容
学时数
学生任务
对
文档评论（0）