大学本科三年级人工智能专业：《智能模型演进脉络：从统计学习到自监督范式》高阶教案.docxVIP

大学本科三年级人工智能专业：《智能模型演进脉络：从统计学习到自监督范式》高阶教案

一、教学背景

本课程面向大学本科三年级人工智能专业学生，定位于专业核心课“机器学习”的中后段专题深化单元。学生已系统完成高等数学、线性代数、概率论与数理统计、Python编程等先修课程，并已完成机器学习基础模块学习，掌握线性回归、逻辑回归、决策树、支持向量机等经典算法原理，具备使用Scikit?learn、TensorFlow/PyTorch进行基础建模的能力。然而，学生对机器学习近十年的范式跃迁缺乏宏观脉络认知，对不同范式背后的统计学思想、计算约束与适用场景的关联理解尚停留在孤立知识点层面。本教学设计以“范式演进”为逻辑主轴，打破传统以算法罗列为主的章节结构，旨在帮助学生建立从“以模型为中心”向“以数据为中心”、从“工程特征”向“端到端表征”转型的学科大图景，为其后续学习深度学习、强化学习、大模型等前沿方向奠定认知基座。

二、教学目标

【知识维度】精准复述监督学习、无监督学习、集成学习、表示学习、自监督学习、元学习六大范式的核心假设、优化目标与代表性算法群；深度辨析判别式模型与生成式模型在概率图视角下的本质差异；系统阐释反向传播、对比学习、掩码建模等关键技术突破如何驱动范式转换。【能力维度】在给定非结构化数据集（图像、文本、传感器序列）时，能够独立完成“问题—范式—算法—评价”四阶映射分析；针对小样