《机器学习》课程教学大纲

《机器学习》教学大纲一、课程基本信息课程名称机器学习MachineLearning课程编码SCC321211035开课院部理学院课程团队数据科学团队学分3.5课内学时60讲授48实验0上机12实践0课外学时60适用专业数据科学与大数据技术授课语言中文先修课程Python语言与实训、应用统计学课程简介（必修）《机器学习》是数据科学与大数据技术专业的一门必修课和专业核心课。通过本课程的学习，使学生了解机器学习的基本概念、应用背景；掌握各类机器学习算法的基本原理；培养学生学会分析研究计算机处理的数据对象的特性，以便选择适当的机器学习算法和模型解决实际问题。本课程侧重于进行数据分析和复杂程序设计的训练过程。通过对具体机器学习算法和应用案例的研究，进一步锻炼学生的动手能力，培养学生解决实际问题的能力。MachineLearningisacompulsorycourseandcorecourseforthemajorofdatascienceandbigdatatechnology.Throughthestudyofthiscourse,studentscanunderstandthebasicconceptsandapplicationbackgroundofmachinelearning;masterthebasicprinciplesofvariousmachinelearningalgorithms;trainstudentstolearntoanalyzethecharacteristicsofdataobjectsprocessedbycomputers,soastoselectappropriatemachinelearningalgorithmsandmodelstosolvepracticalproblems.Thiscoursefocusesonthetrainingprocessofdataanalysisandcomplexprogramming.Throughthestudyofspecificmachinelearningalgorithmsandapplicationcases,practicalabilityisfurthertrainedandtheirabilitytosolvepracticalproblemsistrained.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1M1目标1：了解机器学习的基本概念、掌握各类机器学习算法的基本原理是4.12M2目标2：采用Python编程实现各类机器学习算法，掌握复杂大数据处理和分析的基础知识，具有较好的理论基础是4.13M3目标3：培养学生学会选择适当的机器学习算法和模型解决实际问题，能够就数据科学与大数据技术领域的复杂问题与同行及社会公众进行有效的沟通和交流，清楚地阐述专业观点，包括陈述发言、清晰表达或回应指令是6.24M4目标4：能保障课程正常秩序（政治层面、课堂保障层面，非学生能力层面）否三、课程内容序号章节号标题课程内容/重难点支撑课程目标课内学时教学方式课外学时课外环节1第1章第1章引言本章重点难点：机器学习的主要任务；鸢尾花分类////21.11.1机器学习的简单概述机器学习的概念、机器学习的关键术语、机器学习的主要任务、开发机器学习应用程序的步骤M11讲授1自学资料31.21.2第一个应用：鸢尾花分类初识数据、训练数据与测试数据、观察数据、构建第一个模型：k近邻算法、做出预测、评估模型M11讲授1自学资料4第2章第2章监督学习本章重点难点：监督学习算法、分类器的不确定度估计。////52.12.1分类与回归分类与回归M11讲授1自学资料62.22.2泛化、过拟合与欠拟合泛化、过拟合与欠拟合M11讲授1自学资料72.32.3监督学习算法k近邻、线性模型、朴素贝叶斯分类器、决策树、决策树集成、核支持向量机、神经网络（深度学习）M18讲授8自学资料82.42.4分类器的不确定度估计决策函数、预测概率、多分类问题的不确定度M12讲授2自学资料9实验1实验1监督分类算法实验监督分类算法实验M2,M32上机2撰写上机报告10实验2实验2监督回归算法实验监督分类回归实验M2,M32上机2撰写上机报告11第3章第3章无监督学习本章重点难点：降维、特征提取与流形学习、聚类////123.13.1无监督学习的类型无监督学习的类型M11讲授1自学资料133.23.2预处理与缩放不同类型的预处理、应用数据变换、预处理对监督学习的作用M11讲授1自学资料143.33.3降维、特征提取与流形学习主成分分析、非负矩阵分解、用t-SNE进行流形学习M14讲授4自学资料153.43.4聚类k均值聚类、凝聚聚类、DBSCANM14讲授4自学资料16实验3实验3无监督学习实验无监督学习实验M2,M32上机2撰写上机报告17第4章第4章数据表示与特征工程本章重点难点：变量分类、自动化特征选择////184.14.1变量分类One-Hot编码、数字可以编码分类变量M11讲授1自学资料194.24.2分箱、离散化、线性模型与树分箱、离散化、线性模型与树M11讲授1自学资料204.34.3交互特征与多项式特征交互特征与多项式特征M12讲授2自学资料214.44.4单变量非线性变换单变量非线性变换M12讲授2自学资料224.54.5自动化特征选择单变量统计、基于模型的特征选择、迭代特征选择4讲授4自学资料23实验4实验4数据表示与特征工程实验数据表示与特征工程实验M2,M32上机2撰写上机报告24第5章第5章模型评估与改进本章重点难点：变量分类、自动化特征选择////255.15.1交叉验证scikit-learn中的交叉验证、交叉验证的优点、分层k折交叉验证和其他策略M12讲授2自学资料265.25.2网格搜索简单网格搜索、参数过拟合的风险与验证集、带交叉验证的网格搜索M12讲授2自学资料275.35.3评估指标与评分二分类指标、多分类指标、回归指标、在模型选择中使用评估指标.M12讲授2翻转课堂28实验5实验5模型评估与改进实验综合性实例及评估体系，讨论不同机器学习模型与方法的选择原则及效果评估M2,M32上机2撰写上机报告29第6章第6章强化学习本章重点难点：有模型学习、免模型学习////306.16.1任务与奖赏任务与奖赏M12讲授2自学、翻转课堂316.26.2有模型学习策略评估、策略改进、策略迭代与值迭代M12讲授2自学、翻转课堂326.36.3免模型学习蒙特卡罗强化学习、时序差分学习M12讲授2自学、翻转课堂336.46.4值函数近似值函数近似M12讲授2自学、翻转课堂34实验6第6章强化学习实验强化学习实验M2,M32上机2撰写上机报告四、考核方式序号考核环节操作细节总评占比1实验1.本课程的实验共12学时，共6次进行。2.成绩采用百分制，根据实验完成情况评分。3.考核学生对数据可视化的应用能力，针对实际问题问题，能够根据用户需求对数据进行分析，为解决实际问题提供思路。60%2大作业1.本课程要求利用Python语言工具建立研究对象的模型，两到三人一组，组队模式完成一道当年大数据竞赛题目，并提交论文并答辩。2.根据模型建立情况、论文方案的准确性和个人在大作业的贡献率评分。30%3考勤随机点名、刷卡点名等5%4课堂表现随机检查学生上课精神状态、回答问题情况5%五、评分细则序号课程目标考核环节大致占比评分等级1M1实验60%A-按时提交实验报告，数据分析符合规范，结论无误。B-按时提交实验报告，数据分析基本规范，结论基本正确。C-数据分析过程存在问题。D-未提交实验报告或实验报告存在严重抄袭现象。2M1大作业30%A-按时提交大作业论文，数据分析符合规范，结论无误，课程答辩讲解清楚，回答问题正确。B-按时提交大作业论文，数据分析基本规范，结论基本正确，课程答辩讲解较清楚，回答问题基本正确。C-数据分析过程存在问题，课程答辩讲解不清，回答问题有错误。D-未提交大作业论文或大作业论文存在严重抄袭现象，未参加课程答辩。3M1课堂表现10%A-精神状态饱满，回答问题准确。B-精神状态良好，问题回答较好。C-精神状态一般，问题回答一般。D-很少参加课堂讨论，精神状态较差，回答问题有误。4M2实验60%A-按时提交实验报告，数据分析符合规范，结论无误。B-按时提交实验报告，数据分析基本规范，结论基本正确。C-数据分析过程存在问题。D-未提交实验报告或实验报告存在严重抄袭现象。5M2大作业40%A-按时提交大作业论文，数据分析符合规范，结论无误，课程答辩讲解清楚，回答问题正确。B-按时提交大作业论文，数据分析基本规范，结论基本正确，课程答辩讲解较清楚，回答问题基本正确。C-数据分析过程存在问题，课程答辩讲解不清，回答问题有错误。D-未提交大作业论文或大作业论文存在严重抄袭现象，未参加课程答辩。6M3实验50%A-按时提交实验报告，数据分析符合规范，结论无误。B-按时提交实验报告，数据分析基本规范，结论基本正确。C-数据分析过程存在问题。D-未提交实验报告或实验报告存在严重抄袭现象。7M3大作业50%A-按时提交大作业论文，数据分析符合规范，结论无误，课程答辩讲解清楚，回答问题正确。B-按时提交大作业论文，数据分析基本规范，结论基本正确，课程答辩讲解较清楚，回答问题基本正确。C-数据分析过程存在问题，课程答辩讲解不清，回答问题有错误。D-未提交大作业论文或大作业论文存在严重抄袭现象，未参加课程答辩。8M4考勤100%A-全勤。B-缺勤1次。C-缺勤2-3次。D-缺勤3次及以上。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,