《機器學習》課程大綱

表單編號：SA012Q/NJXX-QR-JX-01-2019職業技術學院課程大綱版本更新記錄：年月人工智能學院課程委員會審核通過課程名稱機器學習課程代碼總學時64實踐學時32學分數4修課方式t必修¨選修開課學期使用班級課程所屬部門課程負責人授課教師姓名聯系方式輔導地點輔導時間課程類別¨數學及基礎科學t專業課通識課適用專業人工智能技術服務前導課程人工智能技術應用導論、人工智能數學基礎后續課程深度學習、自然語言處理、計算機視覺選用教材及資料教材名稱編者出版社版次主要教學參考資料機器學習（第1版）周志華課程學習目標掌握機器學習的基本概念；掌握Scikit-learn庫的使用，能基于Python語言和Scikit-learn庫實現機器學習的簡單應用；理解經典的機器學習算法，為后續運用人工智能技術應用開發奠定知識和技術基礎；具備分析和解決實際問題的能力；具備職業素養意識和創新意識，為以后從事人工智能技術應用開發奠定基礎。具備嚴謹、一絲不茍、細心、精益求精的工作精神。教學目標課程對應的專業畢業要求權重分配課程對應的專業核心能力指標教學目標RGZNA專業能力：熟練運用從事數據標注以及人工智能應用程序的編碼、測試、維護等活動所需的知識、技能和工具。50%RGZNA3：掌握開發人工智能應用程序的知識、技能和工具，能夠熟練應用于人工智能應用開發等專業活動；AOB1：能夠理解機器學習的應用背景并搭建機器學習開發環境；能夠使用NumPy、SciPy、Pandas和Matplotlib等編程庫進行數據計算、數據清洗、數據可視化等操作。AOB2：能夠使用sklearn編程庫中線性分類器、支持向量機、樸素貝葉斯、K近鄰、決策樹、集成方法等模型實現分類學習。AOB3：能夠使用sklearn編程庫中線性回歸器、支持向量機回歸、K近鄰回歸、回歸樹、集成方法等模型實現回歸預測。AOB4：能夠使用sklearn編程庫中無監督學習模型實現數據聚類、特征降維、異常檢測。AOB5：能夠使用sklearn編程庫中模型實用技巧實現特征提升、模型正則化、模型檢驗、超參數搜索；學會使用NLTK、Word2Vec、XGBoost等模型庫。RGZNB問題解決：能夠識別、分析、解決數據標注以及人工智能應用程序的編碼、測試、維護等活動中的常見技術問題。40%RGZNB2：能夠運用人工智能應用開發的相關技術和知識，對開發過程中出現的常見問題進行識別、分析和解決。BOB1：能夠識別、分析和解決環境配置、使用NumPy、SciPy、Pandas和Matplotlib等編程庫時遇到的問題。培養技術專業精神和計算思維。BOB2：能夠識別、分析和解決線性分類器、支持向量機、樸素貝葉斯、K近鄰、決策樹、集成方法等模型時出現的問題。BOB3：能夠識別、分析和解決線性回歸器、支持向量機回歸、K近鄰回歸、回歸樹、集成方法等模型等模型時出現的問題。BOB4：能夠使用sklearn編程庫中無監督學習模型實現數據聚類、特征降維、異常檢測。BOB5：能夠識別、分析和解決特征提升、模型正則化、模型檢驗、超參數搜索、使用XGBoost等編程庫時出現的問題。通過提示追溯錯誤原因和來源；能夠分析程序運行過程中的各種問題。培養耐心、細致、專注、堅持的工匠精神。RGZNH創新能力：能夠具備問題探究和創新意識，了解基本的創新方法。10%RGZNH1：能夠具備問題探究和創新意識，了解基本的創新方法。HOB1：能夠具備問題探究意識，能夠分析對比不同解決方案的優劣點，并提出合理化建議。合計100%單元教學設計單元名稱對應的教學目標編號教學內容學時教學方式評價方式理論實踐1、Python編程庫AOB11、演示環境安裝及配置2、組織學生練習環境安裝及配置3、講解為什么使用Python4、介紹NumPy&SciPy編程庫5、介紹Matplotlib編程庫6、介紹Scikit-learn編程庫7、介紹Pandas編程庫8、組織學生通過實驗練習編程庫的使用(實驗一良/惡性乳腺癌腫瘤預測)88一體化教學課堂講授教師演示學生練習1、課堂考勤（10%）2、單元測試（40%）3、課堂練習（20%）4、技能訓練（30%）BOB1HOB12、分類AOB21、講解機器學習任務、經驗、性能的概念講解線性分類器的原理與應用講解支持向量機分類的原理與應用講解樸素貝葉斯分類的原理與應用講解K近鄰分類的原理與應用講解決策樹分類的原理與應用講解集成模型分類的原理與應用8、組織學生通過實驗練習分類學習方法（實驗二手寫體數字識別）88一體化教學課堂講授教師演示學生練習1、課堂考勤（10%）2、單元測試（40%）3、課堂練習（20%）4、技能訓練（30%）BOB2HOB13、回歸AOB3講解線性回歸器的原理與應用講解支持向量機回歸的原理與應用講解K近鄰回歸的原理與應用講解回歸樹的原理與應用講解集成模型回歸的原理與應用6、組織學生通過實驗練習回歸預測方法（實驗三波士頓房價預測）66一體化教學課堂講授教師演示學生練習1、課堂考勤（10%）2、單元測試（40%）3、課堂練習（20%）4、技能訓練（30%）BOB3HOB14、無監督學習AOB4講解數據聚類的原理與應用2、通過實驗練習數據聚類方法（實驗四手寫體數字圖像聚類）3、講解特征降維的原理與應用4、通過實驗練習特征降維方法（實驗五寫體數字圖像特征降維）5、講解異常檢測的原理與應用66一體化教學課堂講授教師演示學生練習1、課堂考勤（10%）2、單元測試（40%）3、課堂練習（20%）4、技能訓練（30%）BOB4HOB15、模型實用技巧AOB5講解特征提升的原理與應用2、通過實驗練習特征提升方法（實驗六文本數據特征抽取及向量化）3、講解模型正則化的原理與應用4、講解模型檢驗的原理與應用5、講解超參數搜索的原理與應用6、通過實驗練習超參數搜索方法（實驗七文本分類超參數搜索）7、講解自然語言處理包（NLTK）的應用8、講解詞向量（Word2Vec）技術的應用9、通過實驗練習文本數據向量表示（實驗八文本數據詞袋法向量表示）10、講解XGBoost模型的原理與應用11、通過實驗練習XGBoost模型的應用（實驗九泰坦尼克號乘客是否生還預測）44一體化教學課堂講授教師演示學生練習1、課堂考勤（10%）2、單元測試（40%）3、課堂練習（20%）4、技能訓練（30%）BOB5HOB1成績評定方式