《机器学习》课程教学大纲

《机器学习》课程教学大纲课程编号：13230423英文名称：MachineLearning学分：2学时：总学时40学时，其中理论24学时，实践16学时先修课程：无课程类别：专业拓展课程授课对象：机器人工程专业学生教学单位：机械与电气工程学院修读学期：第5学期一、课程描述和目标机器学习是人工智能的一个重要分支，是研究学习的内在机制、建立能够利用历史数据提高自身效能的计算机程序的理论与方法的科学。随着数据量的急剧膨胀，机器学习方法越来越显示出其强大的优势，逐渐成为机器人工程等学科的基础及热点研究方向。通过本课程的学习使学生掌握常见机器学习算法,包括算法的主要思想和基本步骤,并通过编程练习和典型应用实例加深了解；同时对机器学习的一般理论有深刻认识。具体的课程目标如下：课程目标1:对国际上机器学习研究及应用领域的现状和发展有较全面地把握和及时了解。课程目标2：掌握主流的机器学习方法和模型，并能根据实际问题的需要选择并实现相应的算法。课程目标3：增强逻辑思维能力与实践能力，提升对工程技术问题的学习理解和创新实践水平。二、课程目标对毕业要求的支撑关系毕业要求指标点课程目标支撑强度观测点4-2.能够根据具体的检测、控制对象及其特征，制定研究方法和技术路线，设计实验方案；课程目标1H观测点6-1.了解机器人工程相关领域的技术标准体系、知识产权、产业政策和法律法规，能够在法律和技术规范的框架下开展工作，理解不同社会文化对工程活动的影响；课程目标2H观测点12-2.具有自主学习的能力，包括对技术问题的理解能力，归纳总结的能力和提出问题的能力等，能够通过不断学习提高自身能力，适应社会和专业的发展。课程目标3M三、教学内容、基本要求与学时分配（一）理论教学序号教学内容基本要求及重、难点（含德育要求）学时教学方式对应课程目标1机器学习概述了解时代背景、发展现状，并掌握机器学习基本概念。2讲授式启发式课程目标12场景解析了解数据探查、场景抽象、及算法选择的原则2讲授式启发式课程目标1、课程目标33数据预处理掌握采样、归一化、去除噪声、数据过滤等方法4讲授式启发式课程目标1、课程目标24特征工程了解特征抽象、特征重要性评估，掌握特征衍生和特征降维。4讲授式启发式课程目标1、课程目标25常规算法掌握分类算法、聚类算法、回归算法、文本分析算法、推荐类算法、关系图算法。4讲授式启发式课程目标1、课程目标26深度学习了解深度学习的基本概念、常见结构4讲授式启发式课程目标1、课程目标27常见机器学习工具介绍了解单机版、开源分布式、企业级云机器学习工具。2讲授式启发式课程目标1、课程目标38业务解决方案结合各种场景案例，理解机器学习方法的应用。2讲授式启发式课程目标1、课程目标3合计24（二）实验教学实验学时情况如下：序号实验项目实验内容与要求学时类型对应课程目标1数据预处理掌握数据采样、归一化、去除噪声、数据过滤的技巧。2设计课程目标12K-近邻算法的设计与实现掌握KNN机器学习方法进行分类的技术。2设计课程目标13贝叶斯分类器的设计与实现掌握贝叶斯网络分类器的学习与推理。4设计课程目标14HMM的设计与实现掌握HMM模型求解的三类问题，理解概率转移矩阵及其作用。4设计课程目标1课程目标35卷积神经网络的设计与实现掌握卷积神经网络的卷积核、池化层等参数的配置，及训练的技巧。4综合课程目标1课程目标3合计16注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等。四、课程教学方法理论教学：主要采用课堂讲授、程序演示、小组讨论等方式。实验教学：项目讲解、学生自主实验、个别辅导、程序分析等方式。五、学业评价和课程考核（一）考核方式及具体要求1.课程成绩构成与要求课程考核注重形成性和终结性评价相结合，考核内容主要由平时出勤与课堂表现、平时作业、阶段考核、期末考试组成，均按百分制计分，其中平时出勤与课堂表现10%、平时作业20%、阶段考核20%、期末考试50%。2.课程目标达成考核与评价序号考核方式课程目标1（分值）课程目标2（分值）课程目标3（分值）合计1平时出勤与课堂表现0100102平时作业2000203阶段考核0020204期末考试3020050课程目标对应分值503020100（二）考核与评价标准1.出勤与课堂表现评价标准分值观测点90-100分70-89分60-69分0-59分出勤与课堂表现不定期点名不少于10次，学生缺勤次数<=1次，能够课前自主学习和团队合作讨论等，课堂回答问题准确。不定期点名不少于10次，学生缺勤次数<=2次，能够课前自主学习和团队合作讨论等，课堂回答问题较为准确。不定期点名不少于10次，学生缺勤次数<=3次，课前自主学习不够和团队合作讨论等，课堂回答问题准确性不够。不定期点名不少于10次，学生缺勤次数4次以上，没有进行课前自主学习和团队合作讨论等，课堂回答问题错误或不能回答。2.章节作业评价标准通过学习在线平台，布置每一单元的作业，根据测试题目及评分标注进行打分（百分制）。3.阶段考核与评价标准进行4次实验考核，根据实验完成情况及实验报告质量进行打分（百分制）。4.期末试卷考核与评价标准根据课程目标及教学内容，设计期末考核试题，综合检验学生对课程相关知识的掌握、综合应用及解决复杂问题的能力，根据考试题目设计相应评分标准。六、教材与参考书（一）推荐教材1．《机器学习实践应用》，李博著，人民邮电出版社，2017年7月版；2．《机器学习实战》，[美]PeterHarrington著，李锐，李鹏，曲亚东等译，人民邮电出版社，2013年6月版。（二）参考资料1．《Python机器学习基础教程》，[德]安德里亚斯·穆勒（AndreasC.Müller）[美]莎拉·吉多（SarahGuido）著，张亮（hysic）译，人民邮电出版社，2018年1