机器学习（MATLAB版）-教学大纲

《机器学习（MATLAB版）》教学大纲课程信息课程名称：机器学习（MATLAB版）课程类别：素质选修课/专业基础课课程性质：选修/必修计划学时：64计划学分：4先修课程：无选用教材：《机器学习（MATLAB版）》，马昌凤，柯艺芬主编，2023年，电子工业出版社教材。适用专业：本课程可作为高校各专业的信息技术专业课程，也可作为社会相关从业人员的参考课程。课程负责人：二、课程简介人工智能是当前最热门的话题之一，计算机技术与互联网技术的快速发展更是将对人工智能的研究推向了一个新的高潮。人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。作为人工智能核心研究领域之—的机器学习，其研究动机是使计算机系统具有人的学习能力，以实现人工智能。当前，机器学习算法正处于蓬勃发展的阶段，可谓如火如茶，方兴未艾。机器学习是这些领域的核心技术，对这些领域的发展起着至关重要的作用。本课程力求系统而详细地介绍机器学习的基本理论与算法，既注意保持理论分析的严谨性，又注重机器学习算法的实用性，同时强调机器学习算法的思想和原理在计算机上的实现。三、课程教学要求序号专业毕业要求课程教学要求关联程度1工程知识1.掌握机器学习的基本理论和方法以及机器学习的核心技术。2.了解机器学习的应用领域和市场需求，为产品设计和开发提供指导。L2问题分析1.学会对机器学习算法中出现的问题进行分析和解决，包括硬件故障、软件错误、网络问题等。2.学会进行故障排除和维修和计算方法，以实现数据处理应用。H3设计/开发解决方案1.掌握机器学习算法的分类，能将机器学习算法应用到工作和生活领域中。2.学会进行系统测试和验证，以确保系统的质量和性能符合要求。H4研究L5使用现代工具1.掌握机器学习算法研发的现代工具，如仿真软件、调试工具等。2.学会使用现代工具进行数据分析和处理，提高工作效率和准确性。M6工程与社会1.了解机器学习算法研发的产品对社会的影响和作用，以及相关的法律法规和标准。2.学会将相应技术应用于实际生产和社会服务中，为社会做出贡献。L7环境和可持续发展L8职业规范L9个人和团队1.学会个人发展和团队合作，提高个人和团队的综合素质。2.学会与他人合作和沟通，建立良好的人际关系和团队合作氛围。H10沟通1.学会进行有效的沟通和表达，与客户、同事和上级保持良好的沟通和协作。2.学会进行跨文化沟通和合作，提高国际化视野和跨文化交流能力。M11项目管理1.学会进行项目管理和组织，包括项目计划、进度控制、质量管理等。2.学会进行风险评估和管理，提高项目成功的概率和效率。L12终身学习1.学会进行自我学习和自我提升，不断提高自身的专业水平和创新能力。2.学会进行终身学习和职业发展规划，不断拓展职业领域和发展空间。H注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。四、课程教学内容章节名称主要内容重难点关键词学时类型1绪论机器学习的基本定义机器学习的基本术语机器学习算法的分类学习模型的评价指标学习模型的选择机器学习的用途与发展简史了解机器学习的基本定义、基本术语和算法的分类等；了解学习模型的评价指标和选择方法8理论+实操2线性模型与逻辑斯谛回归线性模型的基本形式逻辑斯谛回归熟悉线性模型的基本形式；了解逻辑斯谛回归4理论+实操3决策树决策树的基本原理基本决策树的改进决策树的MATLAB实现掌握树模型决策过程；了解决策树的基本框架、剪枝4理论+实操4贝叶斯分类器贝叶斯分类器的基本原理贝叶斯算法的MATLAB实现了解贝叶斯决策、朴素贝叶斯算法、正态贝叶斯等算法；掌握贝叶斯算法的MATLAB实现4理论+实操5k近邻算法k近邻算法的基本原理k近邻算法算法的MATLAB实现了解k近邻算法的基本流程、距离函数、判别函数等；掌握k近邻算法算法的MATLAB实现4理论+实操6支持向量机支持向量机的基本原理核化支持向量机支持向量回归模型支持向量机的MATLAB实现了解线性可分问题、线性不可分问题；掌握核化支持向量机、支持向量回归模型；掌握支持向量机的MATLAB实现6理论+实操7人工神经网络前馈神经网络误差逆传播算法BP神经网络的MATLAB实现掌握M-P神经元、感知器模型、多层前馈神经网络；掌握BP神经网络的MATLAB实现6理论+实操8线性判别分析线性判别分析的基本原理线性判别分析的MATLAB实现了解线性判别分析的基本原理；掌握线性判别分析的MATLAB实现4理论+实操9主成分分析法主成分分析法的基本原理核主成分分析法PCA算法的MATLAB实现快速PCA算法及其MATLAB实现了解主成分分析法的基本原理；掌握核主成分分析法；掌握PCA算法的MATLAB实现、快速PCA算法及其MATLAB实现4理论+实操10聚类聚类的基本原理k-均值算法k-中心点算法了解聚类的基本原理；掌握k-均值算法和k-中心点算法4理论+实操11EM算法与高斯混合聚类高斯混合模型EM算法的推导EM算法的应用GMM的MATLAB实现了解高斯混合模型；掌握EM算法的推导和应用；掌握GMM的MATLAB实现7理论+实操12集成学习集成学习概述随机森林AdaBoost算法掌握随机森林、AdaBoost等算法的原理和应用9理论+实操五、考核要求及成绩评定序号成绩类别考核方式考核要求权重（%）备注1期末成绩期末考试大作业50百分制，60分为及格2平时成绩实践12次40优、良、中、及格、不及格3平时表现出勤情况10两次未参加课程则无法获得学分注：此表中内容为该课程的全部考核方式及其相关信息。六、学生学习建议学习方法建议1.依据专业教学标准，结合岗位技能职业标准，通过案例展开学习，将每个项目分成多个任务，系统化地学习。2.通过每个项目最后搭配的习题，巩固知识点。3.了解行业企业技术标准，注重学习新技术、新工艺和新方法，根据教材中穿插设置的智能终端产品应用相关实例，对已有技术持续进行更新。4.通过开展课堂讨论、实践活动，增强的团队协作能力，学会如何与他人合作、沟通、协调等等。学生课外阅读参考资料《机器学习（MATLAB版）》，马昌凤，柯艺芬主编，2023年，电子工业出版社教材。七、课程改革与建设（1）通俗易懂，方便学习，构建数字化资源，立体呈现教育信息化的特点，结合仿真软件，充分提高学生学习效率和积极性。（2）注重技能的养成和思维的拓展。通过引导式教学，设计包括引导问题、