还剩3页未读,继续阅读
文本内容:
《机器学习实践》教学大纲
一、课程基本信息机器学习实践课程名称Machine LearningPractice课程编码CST520711030开课院部计算机科学与技术学院课程团队机器学习教学团队学分
3.0课内学时3周讲授0实验0上机0实践3周课外学时0适用专业智能科学与技术授课语言中文先修课程机器学习《机器学习实践》是智能科学与技术一门重要的实践类课程本课程的教学任务和目的是面向人工智能应用领域,综合运用机器学习知识,按照机器学习解决实际问题的完整流程,实现机器学习项目的开发与部署题,并能够在实践坏出中渗透创新意识教学重点是使学生了解机器学习研究及应用领域的现状和发展,掌握主流学习方法和模型,能熟练运用机器学习的理论知识,根据实际问题选择或设计相应的算法,最终实现完整机器学习项目的开发与部署课程内容主要包括三个部分机器学习基础应用、机器学习算法设计和综合项目训练第一部分主要是基于SKLEARN训练学生能够快速根据问题选择合适的机器学习算法;第二部分主要是针对特定问题,运用机器学习理论基础知识设计并实现相关算法为;第三部分是为了按照机器学习解决实际问题的完整流程,训练开发完整机器学习项目的综合应用能力通过本课程的学习、实践,要求学生具备设计并实现机器学习算法的能力,并通过机器学习项目的开发提高团队合作与项目陈述能力通过多个环节的小组分工合作,让学生学习交流、合作,引入一些学生身边的励志人物案例,激发其爱国情怀等隐性思政教育内容,提高学生思想认识,有助于其树立正确课程简介人生观、世界观和价值观(必修)Machine learningpractice isan importantpractical coursein intelligentscience andtechnology.The teachingTask andPurpose ofthis courseis toface theapplication fieldof artificialintelligence,comprehensively applymachine learningknowledge,and realize the development and deployment of machine learning projectsaccording tothe completeprocess of machine learningto solvepractical problems,and beable toinfiltrate innovativeconsciousness inthe practicelink.The teachingemphasis isto makestudents understandthe currentsituation and development of machine learningresearch andapplication fields,master mainstreamlearning methodsand models,and beable toskillfully usethe theoreticalknowledge of machine learning,select ordesign correspondingalgorithms according to actualproblems,and finallyrealizethedevelopmentanddeploymentofa complete machine learning project.The coursecontent mainlyincludes threeparts:basic applicationofmachine learning,algorithm designofmachinelearning andcomprehensive projecttraining.The firstpart ismainly basedon SKLEARNto trainstudents toquickly selectappropriate machinelearning algorithmsaccording toproblems.The secondpart ismainly aimedat specificproblems,using thebasic knowledgeofmachinelearning theoryto design and implementrelevant algorithms;the thirdpart isto trainanddevelopthe comprehensiveapplication abilityof the completemachinelearningprojectaccordingtothecompleteprocess ofmachinelearningto solvepractical problems.Through thestudy andpractice ofthis course,students arerequired tohave the ability todesignandimplement machinelearning algorithms,and improvetheabilityof teamcooperation andproject presentationthrough thedevelopment ofmachinelearningprojects.Through theGroup divisionof laborand cooperationin multiplelinks,students canlearn tocommunicate andcooperate,introduce someinspirational figuresaround students,and stimulatetheir patrioticfeelings andother hiddenideological andpolitical educationcontents,improving students,ideological understandingwill helpthem establisha correctoutlook onlife,world outlookand values.负责人大纲执笔人审核人
二、课程目标毕业要求指标点序号代号课程目标0BE任务自选目标1能够针对人工智能系统的功能模块,进行面向应用领域的算法设计,应用软硬件开发技术完成1Ml详细设计与实现是
3.22M2目标2在人工智能系统的设计环节中体现探索精神和创新意识是
3.33M3目标3能理解团队中每个角色的含义与职责是
9.14M4目标4能够在多学科背景下的团队中胜任角色,并与其他成员合作共事是
9.25M5目标5能倾听其他团队成员的意见,有效组织团队成员开展工作是
9.3目标6能撰写专业相关研究报告和设计文档,具备在公众场合开展报告陈述及交流、答辩的能力6M6是
10.1
三、课程内容支撑课课内课外序号章节号标题课程内容/重难点教学方式课外环节程目标学时学时1第1章第一章基于本章重点难点理解机器学习的典型算法,并能够根据实际问//sklearn的机器学题快速选择合适的算法习实践
1.0Seikit-learn
21.0环境的搭建与Scikit-learn基础以及实习要求Ml
0.25上机//基础
1.1有监督学习方
31.1SVM、决策树、KNN以及神经网络等经典算法的快速应用Ml
1.5上机//法
41.
21.2集成学习Bagging、boosting等集成学习方法Ml1上机//
51.
31.3数据降维PCA,CCA等降维方法Ml
0.5上机//
1.4无监督学习方
61.4Kmeans等算法的快速应用Ml
0.75上机//法第二章面向特定领本章重点难点理解机器学习的理论基础,针对特定领域,综合运7第二章域的机器学习算法/////用机器学习知识设计目标函数并实现优化求解设计与求解
82.
12.1高光谱分类目标函数的设计与求解,算法的评估与优化
3.5实验//
62.2实验分析与报上机,答辩
92.2分析实验结果,撰写实验报告算法的有效性M2,M
60.5//告撰写第三章机器学习综本章重点难点如何按照机器学习解决实际问题的流程来开发、部10第三章/////合项目训练署机器学习项目
113.
13.1问题定义从商业的角度定义机器学习问题1讨论//3,M4,M
53.2数据收集与探讲授、上机
123.2数据的收集与标注、数据的分布与可视化1//索性分析4,M
53.3特征工程与数特征提取、处理缺失值、处理偏离值、数据规范化、数据的转换讲授、上机
133.
30.5//据预处理4,M
53.4模型的设计与M1,M2,M讲授、上机
143.4单模型、多模型融合
2.5//训练3,M4,M
53.5模型的评估与ML M3,M
153.5模型评估、部署1//部署4,M5讲授、上机
3.6报告撰写与陈M3,M4,M
163.6撰写项目报告,每个分组上台演讲,根据演讲及回答情况打分1答辩//述5,M6
四、考核方式序号考核环节操作细节总评占比按时出勤20%1课堂表现积极参与讨论50%20%按时提交阶段检查30%分组演讲成绩二小组成绩*个人权重小组成绩内容主题明确,观点正确,内容充实50%2分组演讲表达表达流畅,富垄感染力20%30%回答回答问题逻辑清晰,准确20%制作PPT风格大方,制作美观10%个人权重考虑因素工作量、工作难度、工作完成程度和工作积极性,合计为1成绩二项目实用性20融算法理论与创新30%+报告50%分项评价3实习报告项目实用性20%50%算法理论与创新性30%报告50%(小组整体分数*个人权重)
五、评分细则序号课程目标考核环节大致占比评分等级1Ml课堂表现20%(见考核方式评分标准)2Ml分组演讲20%(见考核方式评分标准)3Ml实习报告60%(见考核方式评分标准)4M2课堂表现20%(见考核方式评分标准)5M2分组演讲20%(见考核方式评分标准)6M2实习报告60%(见考核方式评分标准)7M3课堂表现20%(见考核方式评分标准)8M3分组演讲20%(见考核方式评分标准)9M3实习报告60%(见考核方式评分标准)10M4课堂表现20%(见考核方式评分标准)11M4分组演讲20%(见考核方式评分标准)12M4实习报告60%(见考核方式评分标准)13M5课堂表现20%(见考核方式评分标准)14M5分组演讲20%(见考核方式评分标准)15M5实习报告60%(见考核方式评分标准)16M6课堂表现20%(见考核方式评分标准)17M6分组演讲20%(见考核方式评分标准)18M6实习报告60%(见考核方式评分标准)评分等级说明[A,B,C,D,E]=[90-100,80-89,70-79,60-69,0-59];[A,B,C,D]=[90-100,75-89,60-74,0-59];[A,B,C]=[90-100,75-89,60-74,0-59];[六A,、B]教=材[与80参-考10资0,料0-79]序号教学参考资料明细1图书1《统计机器学习方法》(第二版),李航,清华大学出版社,
2019.5,ISBN:
9787302517276.(*主教材)2图书1《机器学习实战》,[美]哈林顿,人民邮电出版社,
2013.
6.1,ISBN:
9787115317957.3图书1《机器学习实战基于Scikit-Learn和TcnsorFlow》,[法]奥雷利安•杰龙,机械工业出版社,
2018.
9.1,ISBN:
9787111603023.。