《机器学习从入门到精通》教学大纲

重庆工程学院《机器学习》课程教学大纲

一、课程基本信息表1课程基本信息表课程名称机器学习（中文）课程名称Machine LearningML（英文）课程性质必修课学分3学分总学时48学时，其中，理论学时

（32）、实践学时

（16）开设专业课程类别专业课考核性质考查概率论与数理统计、Python程序设计、数据分析与挖掘技术、数字先修课程图像处理

二、课程定位与培养目标（―）定位本课程是智能科学与技术专业的一门专业课程通过本课程的学习，学生能够掌握常见机器学习算法及其应用场景，初步具备利用机器学习方法和技术解决大数据智能化领域相关问题的能力，并能按照行业要求对算法和模型进行评价提升学生在机器学习领域中的综合实践应用能力，为后续课程的学习和今后的工作打下坚实的基础

（二）目标

1.知识目标

（1）了解机器学习的类型及常用的机器学习方法；

（2）了解机器学习的基本流程；

（3）理解SciPy等常见的机器学习算法库的使用；

（4）理解线性回归、多元线性回归、多项式回归模型的算法原理；

（5）理解KNN、SVM、逻辑回归、决策树等分类模型的算法原理；6理解K-Means等聚类模型的算法原理

2.能力目标1能够基于SciPy等常见的机器学习算法库实现常见的机器学习模型；2能够根据实际工程应用进行模型选择和调整相关参数实现模型优化；3能够识别、表达和分析机器学习领域的具体工程问题，并具备初步的模型选择及应用能力

3.素养目标1培养数据观察力，养成对数据的敏感性；2培养数学抽象能力及数学建模能力，形成归纳、思考和选择的工作习惯，逐步养成机器学习工程师的良好素养；3通过不同模型的应用与实现，强化批判性思维，养成善于独立思考问题的思维方式

三、教学内容及学时分配表2教学内容、目标及学时分配模块教学内容教学目标方式学时理解机器学习的基本重点机器学习的流程、流程；常见的机器学习库了解机器学习的应用难点机器学习环境配范围；置了解机器学习的体系教学内容框架；

一、机器

1.机器学习基本流程理论讲授2了解常见的机器学习学习概述

2.机器学习的应用范库，掌握其环境安装配围置；

3.机器学习的体系架构

4.常见的机器学习库

5.机器学习环境配置重点数据预处理基本了解数据处理及分析流程的基本流程；

二、数据掌握Numpy、Pandas难点降维、关联规则教处理及分理论讲授2库的基本使用；学内容析基础了解降维、关联规则分

1.数据处理及分析的基析等相关基本概念本流程

2.Numpy的基本使用及应用；

3.Pandas的基本使用

4.降维的概念及应用重点损失函数、经验误理解损失函数的基本差与拟合概念；难点模型性能的度量掌握经验误差与拟教学内容合；

三、模型选

1.损失函数的概念了解数据集划分的必理论讲授2择与划分要性；

2.经验误差与拟合掌握模型性能的度量

3.数据集划分的必要及评价方式性

4.模型性能的度量及评价方式掌握回归模型的基本概念；案例式教8重点线性回归模型、多掌握线性回归模型；掌学项式回归模型、支持向握多项式回归模型；量机模型、模型的评价掌握支持向量机模型；

四、回归模难点模型评价掌握回归模型的评价型教学内容方式；

1.回归模型的基本概念能够运用回归模型进实验

42.线性回归模型行预测分析

3.多项式回归模型

4.支持向量机模型

5.回归模型的评价理解分类模型的基本重点逻辑回归、支持向概念；量机分类、逻辑回归、掌握逻辑回归模型；掌KNN、简单贝叶斯分类、

五、案例式教10握KNN分类模型；掌决策树分类模型学握支持向量机分类模难点模型评价教学内型；容掌握简单贝叶斯分类

1.分类模型的基本概模型；念理解分类模型的评价

2.逻辑回归方法；

3.KNN模型实验能够基于分类模型进

44.支持向量分类行分类分析

5.简单贝叶斯分类

6.决策树分类

7.分类模型的评价重点K-Means模型难掌握聚类模型的基本案例式教点模型评估概念；4学掌握K-Means模型；掌教学内容

六、聚类模握聚类模型的评估；

1.聚类模型的基本概念型能够应用聚类模型进

2.K-Means模型行聚类分析

3.聚类模型的评估实验4重点单层感知机、多层掌握神经网络的基本感知机、BP神经网络难概念；理论讲授4点神经网络的搭建教掌握BP神经网络；掌学内容握神经网络的实际应用

七、神经网

1.神经网络的相关知识络

2.神经网络的基本概念

3.BP神经网络实验4总学时48表3实践教学环节（课内实验）提交报实验项目名教学内容类型学时备注序号称告

1.线性回归模型及应用；回归模型预

2.多项式回归模型及设计性是14测分析应用；

3.基于鲍鱼年龄预测分析

1.逻辑回归、KNN模型、支持向量分类、简分类模型的单贝叶斯分类和决策设计性是24应用树分类模型的应用；

2.基于分类模型实现莺尾花种类的预测分类

1.K-Means模型及应用；聚类分析模设计性是

32.聚类模型的评估；4型的应用

3.基于手机基站数据实现区域属性分析

1.神经网络模型及其应用神经网络模设计性是

42.基于ANN神经网络4型的应用实现客户流失的预测分析实验学时16

四、课程思政方案表4课程思政要点序号教学切入点思政教学设计德育兀素（预期目标）以华为芯片事件引入科技发展对于国家的重要性让学生通过培养民族使命感，增强机器学习概述1检索分析，课程主线中的技术哪创新意识些技术有中国的身影引发学生思考，增强创新意识培养使命感以新冠肺炎疫情防控为例，我国政府采取了一系列措施阻止疫情向国外扩散，甚至以不惜封城为代价，其目的就是要杜绝病毒的“输入和输出“，力争实现“武回归模型基于人通过数据相关性等特汉胜则湖北胜，湖北胜则中国口迁徙数据的新性，理解习近平总书记胜”，通过一系列科学有效的措2冠肺炎疫情传播提出的“人类命运共施，终于控制住了病毒的蔓延预测同体”理念目前，这场无硝烟的疫情之战已经取得了阶段性胜禾!J,我国为保护全世界人民生命健康安全贡献了中国力量和中国智慧，其背后遵循的正是“人类命运共同体”思想深度学习是大数据智能分析技术的核心，作为深度学习之父的杰夫辛顿由于疾病困扰已经很长・数据科学思维之时间不能坐下了，每天只能站着“心”引导思维的方工作和学习，但这恰是辛顿经历向，反映家国情怀、和决心的写照几十年来从“感社会责任、伦理道德，知机”诞生，到明斯基提出单层神经网络3通过事例持之以恒的神经网络无法求解“异或”问坚守精神和永无止境题，到辛顿提出可解“异或”问的奋斗精神，重塑思题的多层神经网络，再到辛顿将维体系之“心”深度网络成功应用于图像和语音识别，深度学习的发展可为是历尽坎坷在人工神经网络几十年发展历程中，辛顿历尽艰辛和困难依然坚持，体现出他对信仰的坚守精神通过该事例把这种持之以恒的坚守精神延展到课堂教学和现实生活中，不要让信念的坚守被噪音淹没以阿里达摩院2020年研发的新将数据科学思维的实冠肺炎全基因组检测分析技术，践方法拓展到宏观层可将原本数小时的疑似病例基因算法综合应用实面，让同学们深刻领分析缩短至半小时，其效率提升4验员工流失的预悟，在实现两个一百年主要受益于将确定的核酸检测转测奋斗目标、实现中华变为对不确定的变异病毒进行全民族伟大复兴的中国基因序列分析比对的方法，诠释梦的进程中了通过“洞见”将具有行为复杂性的病毒数据转化为治病救人知识和智慧的科学实践过程

五、课程考核

（一）课程考核成绩构成平时成绩10%过程性考核m期末考核50%课程考核成绩=平时成绩*10%+过程性考核*40%+期末考核*50%

（二）平时成绩说明

（1）平时成绩主要由作业成绩构成（可根据课堂表现适当加分），可采用百分制或等级制

①采用百分制的平时成绩计算（所有作业成绩之和/作业次数）.

②采用等级制的平时成绩计算首先换算为百分制，A级-90分、B级-85分，C级-75分、D级-65分，E级50分然后按公式（所有作业成绩之和/作业次数）计算平时成绩

（2）平时作业可采用纸质作业、电子作业或网络平台进行，由任课老师自行决定

（3）出勤不占平时成绩，但旷课3次以上取消考试资格

2.相关要求要求作业要按时独立完成，课堂要积极参与教学互动，表现好的同学将酌情给予加分

（三）过程性考核说明表5过程性考核一览表过程性考核中序号考核内容考核方式备注权重回归算法实验实验报告25%1分类算法实验实验报告25%2聚类算法实验实验报告325%神经网络实验实验报告25%4合计100%采用等级制计算，等级换算为百分制按以下标准A级-90分、B级-85分，C级-75分、D级-65分，E级50分

（四）期末考核

1.期末考核本课程期末考核方式为撰写课程论文，课程论文题目范围由任课教师统一布置

2.命题要求说明课程论文题目应与机器学习理论相关，学生应独立完成撰写，不得抄袭，发现雷同一律计分，论文应在截止时间前提交，提交形式为纸质论文

3.成绩评价参考《机器学习课程期末考试评分标准》

六、课程教材与参考资料

（一）教学参考资料

1.教材陈怡然、廖宁等.机器学习从入门到精通（第1版）.西安西安电子科技大学出版社，2020,ISBN978-7-5606-5639-

7.

2.视频资料

[1]中国大学M00C机器学习，浙江大学

[2]中国大学M00C机器学习，中国地质大学（武汉）

[3]中国大学M00C机器学习，北京理工大学

（二）课外阅读书目与要求

1.书目

[1]周志华.机器学习[M],北京清华大学出版社，

2016.1

[2]李鸥.Python+TensorFlow机器学习实践（第1版）[M].北京清华大学出版社，

2019.

[3]王磊、王晓东.机器学习算法导论（第1版）.北京清华大学出版社，

2019.

2.阅读要求与考核课外阅读数目主要是为了拓展学生知识面，增加学生对所学知识的理解和掌握，不进行具体考核

（三）教学设施设备等辅助条件本课程建议在多媒体教室实施实验课程安排在实验室进行，实验室需配备投影机一部、白板一套软件操作系统Windows7及以上，Python

3.X,以及有关开发工具编制人审核人年月日。