Python机器学习项目化教程（微课视频版） 教学大纲

《机器学习》教学大纲课程编号：1713034 课程名称机学习适用专业软工程 学时学分：32/2先修课程人智能 后续课程深学习一、课程说明二、课程目标1．本课程可以使学生具备以下能力：（1）掌握机器学习的经典算法和工作原理，能使用机器学习方法进行分类、聚类、回归分析。（2）掌握机器学习经典算法的原理，了解其推理过程，能利用这些算法解决生活中的实际问题，并了解各种算法的优缺点和应用领域。2．课程目标与毕业要求关系课程目标毕业要求指标点（1）（2）1.3能够综合运用相关知识和数学模型方法对软件工程领域的复杂工程问题进行分析、推演。√2.2能够运用相关科学原理和数学模型方法描述软件工程领域的复杂工程问题。√三、教学内容与要求1．理论部分标题教学内容教学要求学时教学方式对应课程目标（一）机器学习概述（1）机器学习发展史（2）基本概念（3）机器学习工作流程（4）Python语言基础1.基本要求（1）掌握机器学习发展史（2）掌握机器学习的基本概念（3）掌握机器学习的工作流程（4）熟练掌握Python语言的使用2.重点、难点重点：机器学习的基本概念及工2讲授作业查阅资料(1)作流程难点：机器学习的基本概念(二)分类（1）kNN算法思想及实现（2）朴素贝叶斯算法思想及实现（3）支持向量机算法思想及实现（4）决策树算法思想及实现（5）逻辑回归算法思想及实现（6）神经网络算法思想及实现1.基本要求kNNkNNkNN（4）掌握几种经典算法的Python库函数的使用（5）能利用经典算法对实际问题进行建模和分析2.重点、难点重点：几种经典机器学习算法思想和算法实现难点：机器学习模型的建立16讲授案例分析作业（1）（三）聚类（1）k均值聚类（2）基于密度的聚类（3）基于层次的聚类（4）高斯混合聚类1.基本要求k掌握几种常见聚类算法实现方法2.重点、难点重点：几种聚类算法思想及实现难点：聚类算法的实现6讲授案例分析作业(1)（四）回归（1）单变量线性回归（2）多变量线性回归（3）多项式回归1.基本要求（1）理解单变量线性回归、多变量线性回归、多项式回归分析的算法思想及推导过程掌握几种回归分析方法算法实现2.重点、难点重点：回归分析算法思想及实现难点：回归分析算法的实现及应用2讲授案例分析作业(1)（五）综合应用（1）垃圾邮件分类（2）简单的图像识别（3）推荐系统1.基本要求（1）理解各种分类、聚类、回归问题的特点及应用方法（2）能将实际问题抽象成机器学习能解决的模型并进行训练2.重点、难点重点：如何将原始数据进行预处6讲授案例分析作业(1)(2)理，特征提取和模型建立难点：机器学习模型的建立与训练四、课程目标考核评价方式及标准成绩评定依据平时作业成绩、期末课程报告进行核定。期末课程报告成绩占总评成绩的60%，平时作业成绩占总评成绩的40%。1．课程目标达成考核评价方式及成绩评定方法单项课程目标达成值=

单项课程目标考试平均分单项课程目标考试总分

∗+

单项课程目标其他平均分单项课程目标其他总分

∗权重课程目标支撑毕业要求指标点考核评价方式及比例（%）报告作业合计课程目标（1）毕业要求1.30100100课程目标（2）毕业要求2.210001002．课程目标与考核内容对应毕业要求指标点课程目标考核内容毕业要求1.3。毕业要求2.2（2机器学习的典型应用、机器学习的经典算法原理及推导过程，机器学习解决问题的步骤及在实际问题中的应用。3．考核标准（1）课程报告考核与评价标准等级课程目标优秀（0.9-1）良好（0.8-0.89）中等（0.7-0.79）合格（0.6-0.69）不合格（0-0.59）目标（1）完全掌握机器学习的基本应用和不同应用下机器熟练掌握机器学习的基本应用和不同应用下机器基本掌握机器学习的基本应用和不同应用下机器了解机器学习的基本应用和不同应用下机器学习的技术特点。部分了解机器学习的基本概念，不了解机器学习的基本应用。目标（2）准确掌握机器学习的基本概念。掌握机器学习的主要方法和机器学习模型的构造。理解机器学习的应用场景、智能程序与一般程序的区别，深刻理解机器学习主要方法的机制以及它们之间的区别，掌握机器学习模型构造原则和步骤。掌握机器学习的基本概念。了解机器学习的主要方法和机器学习模型的构造。理解机器学习的应用场景、智能程序与一般程序的区别，深刻理解机器学习主要方法的机制以及它们之间的区别，掌握机器学习模型的构造原则和步骤。了解机器学习的基本概念。知道机器学习的主要方法和机器学习模型的构造。理解机器学习的应用场景、智能程序与一般程序的区别，了解机器学习主要方法的机制以及它们之间的区别，掌握机器学习模型的了解机器学习的基本概念。基本知道机器学习的主要方法和机器学习模型的构造。不理解机器景、智能程序与别，理解大部分机器学习主要方法的机制以及它们之间的区别，了解机器学习模型的构造原则和步骤。了解机器学习的基本概念。基本知道机器学习的主要方法和机器学习模型的构造。不理解机器景、智能程序与别，不理解机器学习主要方法的机制以及它们之间的区别，不了解机器学习模型的构造原则和步骤。（2）作业考核标准分值考核内容90-10080-9070-8060-700-59解决问题方案的正确性（权重0.6）90%以上的主要问题80%以上的主要问题70%以上的主要问题60%以上的主要问题方案不能解决主要问题作业书写清晰规范程度（权