《机器学习与深度学习》电子教案

周次×第1次课学时1+1章节名称1.1环境安装授课形式理论课■案例讨论课□实验课■习题课□其他□教学目的及要求理解实验环境相关概念安装相关环境教学重点命令行管理环境教学难点教学内容Anaconda环境安装图形化管理与命令行管理Spyder、Jupyter开发环境MindSpore和TensorFlow2深度学习框架教学方法与手段设计教学方法：（1）介绍/演示Anaconda环境和MindSpore、TensorFlow2的安装与管理（2）示例说明Spyder的使用（3）示例说明Jupyter的使用辅助手段：多媒体演示对于重点，通过例题讨论讲解、师生互动、作业等来突出板书设计（详见ppt课件）（1）以文字说明为纲，串连软件安装演示过程思考题和作业课后继续完成本次课所涉及环境和工具安装实验内容老师演示并指导学生完成环境及工具包安装周次×第2次课学时2章节名称1.2Python语言相关概念1.3Python3语法概要授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解程序设计语言的概念，理解面向过程和面向对象程序设计方法的思想，理解平台无关性和解释型语言的概念掌握与机器学习有关的Python3基本语法，为后续运行算法奠定基础教学重点面向对象程序设计思想类与对象教学难点类与对象教学内容程序设计语言、面向过程与面向对象程序设计方法、平台无关性与解释型语言Python3的基础语法、数据类型与运算符、函数、类和对象、流程控制、常用扩展库教学方法与手段设计教学方法：（1）通过示例讨论面向对象等问题辅助手段：多媒体演示对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出板书设计（详见ppt课件）（1）以代码示例为核心，适当辅以提示性文字说明（2）课堂运行代码进行演示思考题和作业完成1.6练习题1课后复习本次课讲授的Python3基本语法，并上机实验实验内容周次×第3次课学时2章节名称1.4Python初步应用示例-迭代法1.5TensorFlow2和MindSpore深度学习框架概要授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解迭代法，初步掌握用Python语言实现迭代法的方法理解张量和算子，掌握它们的操作方法教学重点迭代法求方程的近似解爬山法算子操作张量的方法教学难点算子操作张量的方法教学内容迭代法TensorFlow2和MindSpore中的张量TensorFlow2和MindSpore中的算子教学方法与手段设计教学方法：（1）以示例分析迭代法求解问题的方法（2）以示例说明张量与算子的概念及操作方法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以代码流程为核心，适当辅以提示性文字说明；思考题和作业完成1.6练习题2、3、4实验内容周次×第4次课学时2章节名称2.1机器学习与深度学习2.2机器学习应用流程授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求了解机器学习和深度学习的发展及现状了解机器学习应用的流程，初步理解数据采集、特征工程、模型训练与评价和模型应用等知识教学重点机器学习应用流程示例教学难点教学内容机器学习、深度学习、强化学习等概念机器学习应用流程及相关概念机器学习任务分类机器学习模型效果评价方法教学方法与手段设计教学方法：（1）用最新的发展来激发对机器学习的学习兴趣（2）示例说明机器学习应用流程辅助手段：多媒体演示。对于重点，通过现场运行演示来加深理解。板书设计（详见ppt课件）（1）及时更新最新的发展和现状。思考题和作业课后自行运行本次课上的示例，加深对相关内容的理解实验内容周次×第5次课学时2章节名称2.3机器学习算法概要3.1K均值聚类算法授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解机器学习算法相关术语理解决策函数、概率模型和神经网络等机器学习模型实现算法的基本内涵和区别理解并掌握K均值聚类算法教学重点K均值聚类算法教学难点K均值聚类算法教学内容机器学习算法术语机器学习模型实现算法分类K均值聚类算法教学方法与手段设计教学方法：（1）图示分析K均值聚类算法运行过程中簇变化情况（2）图表说明算法流程（3）示例说明算法实现与应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明。思考题和作业完成3.7练习题1、2。实验内容周次×第6次课学时2章节名称3.2聚类算法基础授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解聚类任务理解轮廓系数、DB指数、CH系数和ZQ系数，掌握应用它们对聚类算法进行评价的方法教学重点轮廓系数、DB指数和ZQ系数运用评价指标对聚类算法进行评价教学难点ZQ系数教学内容聚类任务轮廓系数DB指数CH系数ZQ系数教学方法与手段设计教学方法：（1）详尽公式说明各评价指标（2）示例说明各评价指标的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业完成3.7练习题3。实验内容周次×第7次课学时2章节名称3.3PCA降维算法3.4划分聚类、密度聚类和模型聚类算法授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解并掌握PCA降维算法理解并掌握DBSCAN和OPTICS密度聚类算法理解并掌握高斯混合聚类教学重点PCA降维DBSCAN密度聚类教学难点DBSCAN密度聚类算法教学内容PCA降维算法划分聚类、密度聚类和模型聚类算法教学方法与手段设计教学方法：（1）图示分析各聚类算法（2）示例说明各聚类算法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第8次课学时1+1章节名称3.5层次聚类算法3.6MeanShift算法及其在图像分割中的应用示例授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解并掌握二分kmeans算法和AGNES算法理解MeanShift算法并掌握它在图像分割中的应用理解并掌握K近邻法教学重点二分kmeans算法MeanShift算法教学难点MeanShift算法教学内容层次聚类算法MeanShift算法及其在图像分割中的应用示例教学方法与手段设计教学方法：（1）图示分析MeanShift算法的基本思想（2）示例说明各算法特点辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业完成3.7练习题4。案例讨论内容图像在计算机中的表示方法MeanShift算法在图像分割中的具体作用周次×第9次课学时2章节名称4.1回归任务、评价与线性回归4.2.1梯度下降法基本思想授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解回归任务理解回归任务的评价方法理解线性回归，并掌握其求解方法理解梯度下降法，并掌握其实现方法掌握在MindSpore和TensorFlow2中实现梯度下降法的方法教学重点梯度下降法及其实现教学难点梯度下降法教学内容回归任务及其评价线性回归梯度下降法及其实现教学方法与手段设计教学方法：（1）图示分析梯度下降法（2）示例说明梯度下降法的实现辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.完成4.6练习题1。实验内容周次×第10次课学时2章节名称4.2.2梯度下降法求解线性回归问题4.2.3随机梯度下降法和批梯度下降4.3.1多项式回归4.3.2局部回归授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求掌握应用梯度下降法求解线性回归问题的方法理解随机梯度下降法和批梯度下降法理解多项式回归算法，并掌握其应用方法理解局部回归算法，并掌握其应用方法教学重点梯度下降法的应用教学难点多项式回归局部回归教学内容梯度下降法的应用决策函数回归模型教学方法与手段设计教学方法：（1）图示分析多项式回归、局部回归的基本思想（2）示例说明梯度下降法、多项式回归、局部回归的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.课后自主运行并分析课堂示例实验内容周次×第11次课学时2章节名称4.4过拟合及其抑制4.5.1全连接层与线性回归及其在MindSpore和TensorFlow2框架中的实现授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解过拟合问题，并掌握其抑制方法理解神经网络中的全连接层，并掌握其在深度学习框架中的实现方法教学重点过拟合及其抑制全连接层教学难点全连接层算子的理解与应用教学内容过拟合及其抑制多层神经网络全连接层教学方法与手段设计教学方法：（1）示例并图示什么是过拟合及其抑制方法与效果（2）对比示例全连接层与线性回归的区别（3）示例全连接层在线性回归中的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第12次课学时2章节名称4.5.2全连接层神经网络与非线性回归及其在MindSpore和TensorFlow2框架中的实现4.5.3神经网络中的过拟合及其抑制授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求掌握全连接层神经网络在非线性回归问题中的应用理解神经网络中的过拟合及其抑制方法教学重点全连接层神经网络的应用神经网络中过拟合的抑制方法教学难点教学内容全连接层神经网络处理非线性回归问题神经网络中的过拟合及其抑制教学方法与手段设计教学方法：（1）示例说明全连接层神经网络的应用（2）示例说明神经网络中的过拟合及其抑制方法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.完成4.6练习题2、3。实验内容周次×第13次课学时2章节名称5.1分类算法基础5.2决策树与随机森林授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解分类任务理解分类模型的评价指标及应用方法理解决策树算法，并掌握其应用方法理解随机森林算法，并掌握其应用方法教学重点分类模型的评价指标决策树算法教学难点精确率与召回率决策树算法教学内容分类算法基础决策树与随机森林教学方法与手段设计教学方法：（1）图示分析分类模型的评价指标（2）示例说明决策树算法及其应用方法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.完成5.4练习题1实验内容周次×第14次课学时2章节名称5.3朴素贝叶斯分类5.4.1误差反向传播学习算法授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解朴素贝叶斯分类算法并掌握及应用方法理解误差反向传播学习算法教学重点朴素贝叶斯分类算法误差反向传播学习算法教学难点误差反向传播学习算法教学内容朴素贝叶斯分类误差反向传播学习算法教学方法与手段设计教学方法：（1）示例说明朴素贝叶斯分类算法（2）示例说明误差反向传播学习算法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第15次课学时2章节名称5.4.2神经网络常用激活函数、损失函数和优化方法5.4.3局部收敛与梯度消散授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解ReLU函数、Softplus函数、tanh函数和Softmax函数等常用激活函数，并掌握其应用方法理解KL散度损失函数和交叉熵损失函数，并掌握其应用方法理解步长优化算法、动量优化算法以及两者结合的优化算法，并掌握其应用方法理解局部收敛与梯度消散教学重点各激活函数、损失函数、优化算法的应用与比较教学难点步长优化算法教学内容神经网络常用激活函数、损失函数和优化方法局部收敛与梯度消散教学方法与手段设计教学方法：（1）示例说明各激活函数、损失函数、优化算法的应用与比较辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第16次课学时2章节名称5.5卷积神经网络授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解卷积神经网络中的卷积层、池化层、Flatten层、批标准化层掌握卷积神经网络的应用方法理解典型的卷积神经网络教学重点卷积层典型卷积神经网络教学难点批标准化层教学内容卷积神经网络的组成及其应用教学方法与手段设计教学方法：图示说明卷积层示例说明卷积神经网络的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.完成5.6练习题2、3实验内容周次×第17次课学时1+1章节名称6.1标注任务与序列问题6.2隐马尔可夫模型授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解标注任务理解序列问题理解隐马尔可夫模型，并掌握其应用方法教学重点马尔可夫模型的概念马尔可夫模型的三个问题教学难点马尔可夫模型的概念教学内容标注任务与序列问题隐马尔可夫模型教学方法与手段设计教学方法：示例说明隐马尔可夫模型及其应用方法图示说明隐马尔可夫模型的结构辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业案例讨论内容中文分词的含义隐马尔可夫模型在中文分词中的应用周次×第18次课学时1+1章节名称6.3条件随机场模型6.4.1循环神经网络基本单元授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解条件随机场模型，掌握其应用方法理解循环神经网络基本单元的组成结构及前向传播计算教学重点循环神经网络基本单元教学难点循环神经网络基本单元教学内容条件随机场模型循环神经网络基本单元教学方法与手段设计教学方法：示例说明条件随机场的应用方法图示说明循环神经网络基本单元辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业案例讨论内容条件随机场模型在中文分词中的应用周次×第19次课学时1+1章节名称6.4.2网络结构6.4.3长短时记忆网络6.4.4双向循环神经网络和深度循环神经网络6.4.5循环神经网络中文分词应用示例授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解循环神经网络的网络结构理解长短时记忆网络，并掌握它的应用方法理解双向循环神经网络和深度循环神经网络教学重点长短时记忆网络循环神经网络的应用方法教学难点长短时记忆网络基本单元教学内容循环神经网络网络结构长短时记忆网络双向循环神经网络和深度循环神经网络循环神经网络中文分词应用示例教学方法与手段设计教学方法：图示说明LSTM基本单元示例说明循环神经网络的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.完成6.5练习题1、2。案例讨论内容循环神经网络在中文分词中的应用周次×第20次课学时2章节名称7.1特征工程7.2超参数调优授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求掌握数据总体分析的方法掌握数据可视化的一般方法理解数据预处理的思想，掌握其应用方法掌握特征选择的一般方法掌握超参数调优的一般方法教学重点数据预处理超参数调优教学难点数据预处理教学内容特征工程超参数调优教学方法与手段设计教学方法：图示说明数据可视化方法示例说明数据总体分析、预处理、特征选择和超参数调优等方法与技术辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业1.尝试7.5练习题1实验内容周次×第21次课学时0+2章节名称7.3特征工程、建模与超参数调优综合实例授课形式理论课□案例讨论课■实验课□习题课□其他□教学目的及要求通过综合实例，了解机器学习中的特征工程、建模与超参数调优，掌握其一般应用方法教学重点开阔学生眼界，提升综合应用水平教学难点教学内容房价回归综合实例电信用户流失分类综合实例教学方法与手段设计教学方法：案例讨论综合实例辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计以运行程序、观察结果为主思考题和作业1.尝试7.5练习题1案例讨论内容机器学习应用中的基本流程数据分析的常见类型各类算法运行对比周次×第22次课学时1+1章节名称7.4文本特征授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解文本特征，并掌握其基本提取方法掌握文本相似度比较的一般性方法教学重点文本特征的提取方法教学难点TF-IDF教学内容文本特征提取及文本向量化文本相似度比较示例教学方法与手段设计教学方法：示例说明文本相似度比较方法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业案例讨论内容1.文本相似度比较的实现周次×第23次课学时2章节名称8.1.1冰湖问题与强化学习基本概念8.1.2马尔可夫决策过程授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解强化学习基本概念理解马尔可夫决策过程教学重点马尔可夫决策过程教学难点马尔可夫决策过程教学内容冰湖问题与强化学习基本概念马尔可夫决策过程教学方法与手段设计教学方法：示例说明强化学习基本概念辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第24次课学时2章节名称8.1.3蒙特卡罗近似8.1.4利用与探索8.1.5强化学习算法分类授课形式理论课■案例讨论课□实验课□习题课□其他□教学目的及要求理解蒙特卡罗近似，并掌握其近似求解的一般性方法理解利用与探索了解强化学习算法分类教学重点蒙特卡罗近似利用与探索教学难点蒙特卡罗近似教学内容蒙特卡罗近似利用与探索强化学习算法分类教学方法与手段设计教学方法：示例说明蒙特卡罗近似法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业实验内容周次×第25次课学时1+1章节名称8.2.1动态规划法授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解值函数可计算强化学习算法的基本流程理解策略迭代法，并掌握其应用方法理解值迭代法，并掌握其应用方法教学重点策略迭代法教学难点值迭代法教学内容动态规划法教学方法与手段设计教学方法：示例说明策略迭代法和值迭代法辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业案例讨论内容1.如何应用策略迭代法求解冰湖问题周次×第26次课学时1+1章节名称8.2.2蒙特卡罗法8.2.3时序差分法授课形式理论课■案例讨论课■实验课□习题课□其他□教学目的及要求理解蒙特卡罗法，并掌握其应用方法理解时序差分法，并掌握其应用方法教学重点蒙特卡罗法近似求解值函数时序差分法近似求解值函数教学难点时序差分法近似求解值函数教学内容蒙特卡罗法时序差分法教学方法与手段设计教学方法：示例说明蒙特卡罗法和时序差分法的应用辅助手段：多媒体演示。对于重点和难点，通过例题讨论讲解、师生互动、作业等来突出。板书设计（详见ppt课件）（1）以图表、公式、算法流程、示例为核心，适当辅以提示性文字说明；（2）关键推导过程用黑板手写。思考题和作业案例讨论内容1.如何应用蒙特卡罗