《《機器學(xué)習(xí)》課程教學(xué)大綱（本科）》由會員分享，可在線閱讀，更多相關(guān)《《機器學(xué)習(xí)》課程教學(xué)大綱（本科）（4頁珍藏版）》請在裝配圖網(wǎng)上搜索。
1、機器學(xué)習(xí)課程教學(xué)大綱課程編號：04290課程名稱：機器學(xué)習(xí)英文名稱：Machine Learning課程類型：學(xué)科基礎(chǔ)課課程要求：必修學(xué)時/學(xué)分：48/3 （講課學(xué)時：40 上機學(xué)時：8）適用專業(yè)：智能科學(xué)與技術(shù)一、課程性質(zhì)與任務(wù)機器學(xué)習(xí)是智能科學(xué)專業(yè)的學(xué)生學(xué)習(xí)和掌握各種復(fù)雜求解算法進(jìn)行決策的基礎(chǔ)課程。本課程在教學(xué)方面著重介紹各種機器學(xué)習(xí)算法的基本思想、理論體系和計算機實現(xiàn)的技巧。在培養(yǎng)學(xué)生實踐能力方面著重培養(yǎng)學(xué)生設(shè)計求解算法的整體思路，設(shè)計求解步驟，使學(xué)生能夠應(yīng)用機器學(xué)習(xí)對復(fù)雜問題進(jìn)行決策。（支撐畢業(yè)要求1.2, 2.2, 3.1, 3.2, 5.1, 5.2, 10.1, 10.3,11.
2、1, 11.2）二、課程與其他課程的聯(lián)系先修課程：C語言，人工智能基礎(chǔ)，神經(jīng)網(wǎng)絡(luò)技術(shù)、概率論與數(shù)理統(tǒng)計后續(xù)課程：大數(shù)據(jù)分析概率論與數(shù)理統(tǒng)計課程學(xué)習(xí)的數(shù)學(xué)理論知識是本課程貝葉斯學(xué)習(xí)和評估假設(shè)學(xué)習(xí)的基礎(chǔ)。人工智能和神經(jīng)網(wǎng)絡(luò)技術(shù)是本課程的基本算法的組成部分。C語言可實現(xiàn)本課程的機器學(xué)習(xí)算法。本課程給出的機器學(xué)習(xí)算法可用來為數(shù)據(jù)分析結(jié)果實現(xiàn)智能化提供方法。三、課程教學(xué)目標(biāo)1. 學(xué)習(xí)機器學(xué)習(xí)算法的基本理論知識、算法的求解思想和基本流程，能夠?qū)崿F(xiàn)智能機器人、智能控制系統(tǒng)的自動化、信息化、智能化等復(fù)雜工程問題；（支撐畢業(yè)要求1.2, 2.2）2. 通過對機器學(xué)習(xí)算法的學(xué)習(xí)，能夠針對智能控制系統(tǒng)、智能機器人等
3、復(fù)雜工程問題，開發(fā)、選擇與使用合理的智能技術(shù)、資源，實現(xiàn)對復(fù)雜工程問題的預(yù)測與模擬。（支撐畢業(yè)要求5.1, 5.2）3. 通過機器學(xué)習(xí)算法的整體求解思路，各部分算法實現(xiàn)能夠基于智能系統(tǒng)工程相關(guān)背景知識進(jìn)行合理分析，評價復(fù)雜工程問題解決方案對社會、健康、安全、法律以及文化的影響；（支撐畢業(yè)要求3.1, 3.2）4. 通過對機器學(xué)習(xí)算法的學(xué)習(xí)，能夠掌握智能系統(tǒng)及智能工程管理與經(jīng)濟(jì)決策方法，并能在多學(xué)科環(huán)境中應(yīng)用；（支撐畢業(yè)要求11.1, 11.2）5. 了解本專業(yè)領(lǐng)域的最新進(jìn)展與發(fā)展動態(tài)，具有跟蹤學(xué)科發(fā)展前沿的意識和文獻(xiàn)檢索基本技能，能夠在跨文化背景下進(jìn)行溝通和交流。（支撐畢業(yè)要求10.1, 10
4、.3）四、教學(xué)內(nèi)容、基本要求與學(xué)時分配序號教學(xué)內(nèi)容教學(xué)要求學(xué)時教學(xué)方式對應(yīng)課程教學(xué)目標(biāo)1一、緒論1 .引言2 .基本術(shù)3 .假設(shè)空間4.歸納偏好5 .應(yīng)用現(xiàn)狀1. 了解機器學(xué)習(xí)的基本術(shù)語、假設(shè)空間的基本概念和表示方法。2. 掌握歸納偏好的定義及表示方法。3 .了解機器學(xué)習(xí)的應(yīng)用實例。2講授52二、模型評估與選擇1 .經(jīng)驗誤差與過擬合2.評估方法3 .性能度量4上匕較檢驗5.偏差與方差1.了解經(jīng)驗誤差的表示方法和過擬合的定義。2 .掌握評估方法和性能度量方法。3 .掌握比較檢驗的方法。4 .了解偏差與方差的定義。4講授1,33三、線性模型1. 基本形式2. 線性回歸3. 對數(shù)幾率回歸4 .線性判
5、別分析5.多分類學(xué)習(xí)6 .類別不平衡問題1. 了解線性模型的基本形式。2. 掌握線性回歸、局部加權(quán)回歸、對數(shù)幾率回歸的方法。3 .重點掌握線性判別分析的基本方法。4.掌握多分類學(xué)習(xí)方法。4講授1,34四、決策樹1 .基本流程2. 劃分選擇3. 剪枝處理4. 連續(xù)與缺失值5 .多變量決策樹1 .了解決策樹的基本流程。2 .掌握決策樹學(xué)習(xí)算法表示法和算法的求解過程。3. 重點掌握決策樹選擇、剪枝的基本方法。4. 掌握決策樹連續(xù)和確實的處理方法。5 .掌握多變量決策樹方法。8講授1,2,3,4上機：決策樹學(xué)習(xí)算法實現(xiàn)掌握決策樹學(xué)習(xí)算法的決策過程，應(yīng)用決策樹學(xué)習(xí)的求解機理對給定的問題實例。4上機2,3
6、5五、貝葉斯分類器1. 貝葉斯決策論2. 極大似然估計3 .樸素貝葉斯分類器4 .半樸素貝葉斯分類器1 .掌握貝葉斯決策的基本原理。2 .了解極大似然估計方法。3. 掌握樸素分類器、半樸素貝葉斯分類器基本原理和決策過程。4. 掌握貝葉斯網(wǎng)的結(jié)構(gòu)、學(xué)習(xí)、推斷方法。8講授1,2,3,45. 貝葉斯網(wǎng)6. EM算法上機：貝葉斯學(xué)習(xí)算法實現(xiàn)5 .掌握EM算法的基本過程掌握貝葉斯學(xué)習(xí)的基本步驟、求解機理、算法實現(xiàn)的過程，應(yīng)用實例驗證算法的求解結(jié)果。2上機2,36六、聚類1 .聚類任務(wù)2 .性能度量3 .距離計算4 .原型聚類5 .密度聚類6 .層次聚類1. 掌握聚類任務(wù)、性能度量、距離計算方法。2. 重
7、點掌握k均值算法、學(xué)習(xí)向量法等原型聚類的方法。3. 掌握密度聚類、層次聚類的方法。8講授1,3,47七、降維與度量學(xué)習(xí)1. k近鄰學(xué)習(xí)2. 低維嵌入3 .主成分分析1 .掌握k .臨近算法的基本過程、求解流程。2.掌握低維嵌入的分析方法。3 .掌握主成分分析方法。掌握鄰近和回歸算法的機理，實現(xiàn)應(yīng)用臨近和回歸算法實現(xiàn)求解6講授123上機：鄰近和回歸算法實現(xiàn)案例的基本過程。2上機2,3五、其他教學(xué)環(huán)節(jié)（課外教學(xué)環(huán)節(jié)、要求、目標(biāo)）大作業(yè)：1. 決策樹學(xué)習(xí)方法求解決策案例。2. 貝葉斯學(xué)習(xí)算法實現(xiàn)案例求解。六、教學(xué)方法本課程以課堂教學(xué)為主，強調(diào)學(xué)生分析問題和解決問題的能力。在本課程的全部教學(xué)過程中，適
8、當(dāng)安排一些自學(xué)內(nèi)容，鍛煉學(xué)生的自學(xué)能力；上課經(jīng)常提問,以鍛煉學(xué)生的表達(dá)能力，并檢驗學(xué)生聽課效果；每階段留一定量的課后思考及練習(xí)題，并做習(xí)題解答。從這幾個方面入手，全面提高學(xué)生綜合素質(zhì)和能力。七、考核及成績評定方式最終成績由出勤成績、平時作業(yè)成績、期末考試成績組合而成。各部分所占比例如下：出勤成績：5%o考查學(xué)生的出勤情況，以掌握課堂所講授內(nèi)容。平時作業(yè)成績：25%o平時成績依照上機報告和大作業(yè)成績給出。3個上機，每個上機報告滿分5分。2個大作業(yè)，每個大作業(yè)5分。期末考試成績：70%o主要考核機器學(xué)習(xí)基本算法，掌握各類機器學(xué)習(xí)算法的設(shè)計與實現(xiàn)。閉卷考試，題型為：1、填空題，2、簡答題，3、計算題等。八、教材及參考書目1. 教材：1 機器學(xué)習(xí).周志華著.清華大學(xué)出版社,2016.2. 參考書目：1 機器學(xué)習(xí)（第1版）.曾華軍等譯機械工業(yè)出版社,2008.2 機器學(xué)習(xí)實戰(zhàn)（第1版）.李銳，李鵬，曲亞東等譯.人民郵電出版社，2013.3 機器學(xué)習(xí)導(dǎo)論（第2版）.范明，咎紅英，牛常勇譯.機械工業(yè)出版社,2014
《機器學(xué)習(xí)》課程教學(xué)大綱（本科）
