《機器學(xué)習(xí)》教學(xué)大綱適用范圍：202X版本科人才培養(yǎng)方案課程代碼：22140231課程性質(zhì)：專業(yè)必修課學(xué)分：3學(xué)分學(xué)時：48學(xué)時（理論40學(xué)時，實驗8學(xué)時）先修課程：人工智能程序設(shè)計、數(shù)據(jù)庫原理及應(yīng)用、人工智能導(dǎo)論等后修課程：深度學(xué)習(xí)與應(yīng)用、自然語言處理、人工智能拓展創(chuàng)新、人工智能綜合創(chuàng)新等適用專業(yè)：人工智能專業(yè)開課單位：智能工程學(xué)院一、課程說明《機器學(xué)習(xí)》是人工智能專業(yè)的一門專業(yè)必修課。本課程主要傳授機器學(xué)習(xí)的分類、聚類、貝葉斯、支持向量機、神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)等學(xué)習(xí)算法，是一門理論和實踐并重的課程，為學(xué)習(xí)其他有關(guān)課程及以后從事技術(shù)工作打下必要的基礎(chǔ)。本課程的教學(xué)應(yīng)本著理論與實踐相結(jié)合的原則，深入淺出，突出重點，在重視基礎(chǔ)理論的同時，注意培養(yǎng)學(xué)生獨立思考和動手能力。二、課程目標(biāo)通過本課程的學(xué)習(xí)，使學(xué)生達(dá)到如下目標(biāo)：課程目標(biāo)1：能夠運用機器學(xué)習(xí)算法，根據(jù)人工智能工程問題涉及的數(shù)據(jù)特性，建立合適的機器學(xué)習(xí)模型對問題進(jìn)行分類和預(yù)測。促使學(xué)生形成良好的世界觀、人生觀和價值觀，激發(fā)學(xué)生科技報國的奮發(fā)精神。課程目標(biāo)2．強調(diào)培養(yǎng)學(xué)生的動手能力，要求學(xué)生通過編寫機器學(xué)習(xí)的程序完成智能任務(wù)，并鼓勵學(xué)生不斷改善模型和代碼實現(xiàn)從而提高機器的效能。課程目標(biāo)3．能夠針對一個實際的人工智能應(yīng)用問題，采用數(shù)據(jù)處理技術(shù)和特征工程方法從訓(xùn)練數(shù)據(jù)中提取特征，建立合理的學(xué)習(xí)模型。課程目標(biāo)4．針對特定需求，能夠綜合運用機器學(xué)習(xí)算法，編寫程序?qū)崿F(xiàn)算法，能夠利用模型評估的度量方法改進(jìn)和調(diào)整模型，從而對新數(shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測。課程目標(biāo)5：培養(yǎng)學(xué)生樹立正確科學(xué)的世界觀、人生觀和價值觀，堅定正確的政治方向，培養(yǎng)學(xué)生的法治觀念、社會責(zé)任感和創(chuàng)新意識樹立正確的審美觀念和勞動觀念。三、課程目標(biāo)與畢業(yè)要求《機器學(xué)習(xí)》課程教學(xué)目標(biāo)對人工智能專業(yè)畢業(yè)要求的支撐見表1。表1課程教學(xué)目標(biāo)與畢業(yè)要求關(guān)系畢業(yè)要求指標(biāo)點課程目標(biāo)支撐強度1.工程知識:能夠?qū)?shù)學(xué)、自然科學(xué)、工程基礎(chǔ)和專業(yè)知識用于解決人工智能及交叉應(yīng)用領(lǐng)域工程問題。1.2系統(tǒng)掌握人工智能及相關(guān)應(yīng)用領(lǐng)域的工程基礎(chǔ)和專業(yè)知識，包括算法、硬件、軟件平臺及系統(tǒng)等，了解解決工程問題的基本方法課程目標(biāo)1：能夠運用機器學(xué)習(xí)算法，根據(jù)人工智能工程問題涉及的數(shù)據(jù)特性，建立合適的機器學(xué)習(xí)模型對問題進(jìn)行分類和預(yù)測。H3.設(shè)計/開發(fā)解決方案：能夠設(shè)計針對人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問題的解決方案，設(shè)計滿足特定需求的系統(tǒng)、單元，并在設(shè)計中體現(xiàn)創(chuàng)新意識，考慮社會、環(huán)境、健康、安全、法律、文化等因素。3.1掌握人工智能及相關(guān)應(yīng)用領(lǐng)域的系統(tǒng)集成、算法優(yōu)化、軟件設(shè)計的基本設(shè)計理論和設(shè)計方法，能夠根據(jù)需求確定設(shè)計目標(biāo)研究、確定技術(shù)方案。課程目標(biāo)2：強調(diào)培養(yǎng)學(xué)生的動手能力，要求學(xué)生通過編寫機器學(xué)習(xí)的程序完成智能任務(wù)，并鼓勵學(xué)生不斷改善模型和代碼實現(xiàn)從而提高機器的效能。H4.研究：能基于科學(xué)原理并采用科學(xué)方法對人工智能及交叉應(yīng)用領(lǐng)域的工程問題進(jìn)行研究，包括實驗的設(shè)計、算法的研究、參數(shù)的優(yōu)化等，并通過信息綜合得到合理有效的結(jié)論。4.1能夠基于科學(xué)原理，通過文獻(xiàn)研究等方法系統(tǒng)分析人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問題，明確研究對象的基本特征和關(guān)鍵環(huán)節(jié)，并選擇合適研究路線課程目標(biāo)3：能夠針對一個實際的人工智能應(yīng)用問題，采用數(shù)據(jù)處理技術(shù)和特征工程方法從訓(xùn)練數(shù)據(jù)中提取特征，建立合理的學(xué)習(xí)模型。課程目標(biāo)4．針對特定需求，能夠綜合運用機器學(xué)習(xí)算法，編寫程序?qū)崿F(xiàn)算法，能夠利用模型評估的度量方法改進(jìn)和調(diào)整模型，從而對新數(shù)據(jù)進(jìn)行準(zhǔn)確預(yù)測。H注：表中“H（高）、M（中）”表示課程與相關(guān)畢業(yè)要求的關(guān)聯(lián)度。四、教學(xué)內(nèi)容、基本要求與學(xué)時分配1.理論部分見表2表2教學(xué)內(nèi)容、基本要求與學(xué)時分配教學(xué)內(nèi)容教學(xué)要求，教學(xué)重點難點理論學(xué)時實驗學(xué)時對應(yīng)的課程目標(biāo)1.緒論1.1機器學(xué)習(xí)是什么1.2機器學(xué)習(xí)算法分類1.3編程環(huán)境及工具包思政1：促使學(xué)生形成良好的世界觀、人生觀和價值觀，激發(fā)學(xué)生科技報國的奮發(fā)精神。教學(xué)要求：使學(xué)生了解機器學(xué)習(xí)的基本概念，機器學(xué)習(xí)算法及其分類，課程內(nèi)容介紹，編程環(huán)境及工具包。重點：機器學(xué)習(xí)的基本概念，機器學(xué)習(xí)算法分類。難點：機器學(xué)習(xí)算法分類。201、32.回歸分析與Python實現(xiàn)2.1回歸分析原理2.2多元線性回歸2.3正則化回歸分析2.4回歸分析的Python實現(xiàn)教學(xué)要求：使學(xué)生掌握機器學(xué)習(xí)中回歸分析的基本概念；掌握線性回歸、嶺回歸、Lasso回歸與ElasticNet回歸的實現(xiàn)方法。重點：回歸分析原理，多元線性回歸的Python實現(xiàn)方法。難點：嶺回歸、Lasso回歸與ElasticNet回歸的原理和Python實現(xiàn)方法。621、2、43.分類算法與Python實現(xiàn)3.1k近鄰算法3.2樸素貝葉斯算法3.3決策樹3.4分類與回歸樹3.5支持向量機3.6分類算法的Python實現(xiàn)教學(xué)要求：使學(xué)生掌握機器學(xué)習(xí)中k近鄰算法、樸素貝葉斯算法、決策樹算法、分類與回歸樹算法以及支持向量機算法的原理以及在Python中的實現(xiàn)方法。重點：k近鄰算法、樸素貝葉斯算法、決策樹算法、分類與回歸樹算法以及支持向量機算法的原理。難點：支持向量機算法原理，算法實現(xiàn)及參數(shù)作用以及Python實現(xiàn)。621、2、44.聚類算法與Python實現(xiàn)4.1聚類的不同思想4.2k均值算法4.3DBSCAN算法4.4Agglomerative聚類4.5聚類算法的Python實現(xiàn)教學(xué)要求：使學(xué)生了解機器學(xué)習(xí)中聚類的不同思想；掌握k均值算法、DBSCAN算法及Agglomerative算法的原理、Python實現(xiàn)。重點：k均值算法、DBSCAN算法及Agglomerative使用方法。難點：算法原理，算法的Python實現(xiàn)及參數(shù)作用。621、2、3、45.特征工程、降維、超參數(shù)調(diào)優(yōu)與Python實現(xiàn)5.1特征工程5.2線性降維5.3超參數(shù)調(diào)優(yōu)教學(xué)要求：使學(xué)生掌握降維方法，了解網(wǎng)格搜索超參數(shù)調(diào)優(yōu)方法，隨機搜索超參數(shù)調(diào)優(yōu)方法，Python實現(xiàn)。重點：數(shù)據(jù)預(yù)處理方法，主成分分析降維方法，網(wǎng)格搜索超參數(shù)調(diào)優(yōu)方法。難點：數(shù)據(jù)預(yù)處理方法，主成分分析降維方法。601、36.概率模型與標(biāo)注6.1概率模型6.2邏輯回歸模型的概率分析6.3樸素貝葉斯分類6.4EM算法與高斯混合聚類6.5隱馬爾可夫模型6.6條件隨機場模型教學(xué)要求：使學(xué)生了解邏輯回歸模型的概率分析，掌握樸素貝葉斯分類及隱馬爾可夫模型。重點：樸素貝葉斯分類，EM算法，隱馬爾可夫模型。難點：EM算法，隱馬爾可夫模型。601、37.神經(jīng)網(wǎng)絡(luò)與Python實現(xiàn)7.1神經(jīng)網(wǎng)絡(luò)模型7.2多層神經(jīng)網(wǎng)絡(luò)7.3競爭學(xué)習(xí)和自組織特征映射網(wǎng)絡(luò)思政2：了解人體神經(jīng)網(wǎng)絡(luò)運行機制，掌握科學(xué)的學(xué)習(xí)和工作方法，努力奮斗，培養(yǎng)踏實努力的大國工匠精神。教學(xué)要求：使學(xué)生理解神經(jīng)網(wǎng)絡(luò)模型概念；理解神經(jīng)網(wǎng)絡(luò)中的激活函數(shù)；掌握反向傳播算法；能夠構(gòu)建并訓(xùn)練優(yōu)化神經(jīng)網(wǎng)絡(luò)。重點：神經(jīng)元模型，神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，誤差反向傳播學(xué)習(xí)算法，多層神經(jīng)網(wǎng)絡(luò)常用損失函數(shù)，多層神經(jīng)網(wǎng)絡(luò)常用優(yōu)化算法，多層神經(jīng)網(wǎng)絡(luò)中過擬合的抑制。難點：誤差反向傳播學(xué)習(xí)算法，結(jié)合動量優(yōu)化和步長優(yōu)化的算法。821、2、3、4合計4082.實驗/實踐或上機部分見表3表3實驗項目、實驗內(nèi)容與學(xué)時實驗項目實驗內(nèi)容和要求實驗學(xué)時對應(yīng)的課程目標(biāo)1.聚類算法實現(xiàn)及應(yīng)用實驗內(nèi)容：編程實現(xiàn)K均值算法；利用K均值算法實現(xiàn)圖像分割。實驗要求：加深對非監(jiān)督學(xué)習(xí)的理解和認(rèn)識；能理解并編程實現(xiàn)K均值算法；能夠利用K均值算法完成圖像分割。21、32.logistic回歸實現(xiàn)及應(yīng)用實驗內(nèi)容：編程實現(xiàn)邏logistic回歸算法；使用梯度下降方式實現(xiàn)logistic回歸分類。實驗要求：熟悉logistic回歸模型；能利用logistic回歸模型分類；理解梯度下降算法，并將其用于logistic回歸分類。22、43.決策樹實現(xiàn)及應(yīng)用實驗內(nèi)容：編程構(gòu)造決策樹模型；實現(xiàn)決策樹分類算法。實驗要求：熟練掌握決策樹的構(gòu)造算法；能夠理解并編程實現(xiàn)決策樹的構(gòu)造并能應(yīng)用于分類問題。21、34.神經(jīng)網(wǎng)絡(luò)實現(xiàn)及應(yīng)用實驗內(nèi)容：利用反向傳播算法來編程實現(xiàn)神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)完成分類問題。實驗要求：能掌握激活函數(shù)和神經(jīng)網(wǎng)絡(luò)的構(gòu)建；能利用神經(jīng)網(wǎng)絡(luò)模型完成分類任務(wù)。22、4合計8五、教學(xué)方法及手段本課程以課堂講授為主，采用啟發(fā)式、討論式教學(xué)和案例教學(xué)、線上線下結(jié)合等，結(jié)合討論、案例、視頻資源共享、實驗等教學(xué)手段完成課程教學(xué)任務(wù)和相關(guān)能力的培養(yǎng)。在實驗教學(xué)環(huán)節(jié)中，通過培養(yǎng)學(xué)生自主學(xué)習(xí)能力、實際動手能力，激發(fā)學(xué)生的創(chuàng)新思維。采用教師講授和學(xué)生動手操作的方法；在實驗前學(xué)生應(yīng)復(fù)習(xí)和掌握與本實驗有關(guān)的教學(xué)內(nèi)容、認(rèn)真閱讀實驗指導(dǎo)書；在實驗中要嚴(yán)格遵守實驗紀(jì)律，按操作規(guī)程使用儀器；實驗結(jié)束后，按規(guī)定對儀器進(jìn)行維護(hù)保養(yǎng)；每完成一項實驗，要認(rèn)真完成一份實驗報告。六、課程資源庫1.推薦教材：王衡軍，《機器學(xué)習(xí)》，北京：清華大學(xué)出版社.2020.092.參考書：（1）盧官明，《機器學(xué)習(xí)導(dǎo)論》，北京：機械工業(yè)出版社.2021.8．（2）周志華，《機器學(xué)習(xí)》，北京：清華大學(xué)出版社.2018.11.（3）黃勉，《機器學(xué)習(xí)與Python實踐》，北京：人民郵電出版社.2021.1．（4）汪榮貴，《機器學(xué)習(xí)及其應(yīng)用》，北京：機械工業(yè)出版社.2019.8．3.期刊：（1）薛建波;譚凌嵐;羅佳.基于Python混合編程.電子測試2018年12期（2）JohannesSossenheimer.ASensorReducedMachineLearningApproachforConditionbasedEnergyMonitoringforMachineTools.Procedia2019.P570-575（3）HarpreetSingh.AMachinelearningapproachtodetectfluidleakagefromreservoirusingonlyinjectionratesandbottomholepressures.JournalofNaturalGasScienceandEngineering.2019（4）MachineLearning:AProbabilisticPerspective,KevinP.Murphy.TheMITPress.2012.（5）LiC,SohnK,YoonJ,etal.CutPaste:Self-SupervisedLearningforAnomalyDetectionandLocalization.ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR),2021:14902-14912.（6）SalehiM,SadjadiN,BaselizadehS,etal.Multiresolutionknowledgedistillationforanomalydetection.ProceedingsoftheIEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR),2021:14902-14912.4.網(wǎng)絡(luò)資源：（1）/mic-position/248.html?jzl360a1（2）http://zzb.zhizuobiao.vip/sem/python/python1（3）/（4）/七、課程考核對課程目標(biāo)的支撐課程成績由過程性考核成績和期末考核成績兩部分構(gòu)成，具體考核/評價細(xì)則及對課程目標(biāo)的支撐關(guān)系見表4。表4課程考核對課程目標(biāo)的支撐考核環(huán)節(jié)占比考核/評價細(xì)則課程目標(biāo)123過程性考核課堂表現(xiàn)10（1）根據(jù)課堂出勤情況和課堂回答問題情況進(jìn)行考核，滿分100分。（2）以平時考核成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?21實驗20（1）根據(jù)每個實驗的操作完成情況單獨評分，滿分100分；（2）每次實驗單獨評分，取各次實驗成績的平均值作為此環(huán)節(jié)的最終成績。（3）以實驗成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?76作業(yè)10（1）主要考核學(xué)生對各章節(jié)知識點的復(fù)習(xí)、理解和掌握程度，滿分100分；（2）每次作業(yè)單獨評分，取各次成績的平均值作為此環(huán)節(jié)的最終成績。（3）以作業(yè)成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?63期末考核60（1）卷面成績100分，以卷面成績乘以其在總評成績中所占的比例計入課程總評成績。（2）主要考核深度學(xué)習(xí)基礎(chǔ)知識、深度學(xué)習(xí)框架及其對比、機器學(xué)習(xí)基礎(chǔ)知識、深度學(xué)習(xí)框架基礎(chǔ)、Logistic回歸、多層感知器、卷積神經(jīng)網(wǎng)絡(luò)與計算機視覺、神經(jīng)網(wǎng)絡(luò)與自然語言處理等內(nèi)容。（3）考試題型為：填空題、選擇題、簡答題、計算題和分析題等?！獭獭?51520合計：100分403030八、考核與成績評定1.考核方式及成績評定考核方式：本課程主要以課堂表現(xiàn)、實驗、作業(yè)、期末考試等方式對學(xué)生進(jìn)行考核評價?？己嘶疽螅海訌娺^程考核）考核總成績由期末試卷成績和過程性考核成績組成。其中：期末試卷成績?yōu)?00分（權(quán)重60%），試題類型為填空題、選擇題、判斷題、簡答題、計算分析題等類型，試卷中基本知識、基本理論、基本技