《圖說圖解機器學(xué)習(xí)（第2版）》電子教案課程信息課程名稱：圖說圖解機器學(xué)習(xí)（第2版）適用對象：人工智能入門者、技術(shù)應(yīng)用者，高職高專理工科學(xué)生，本科非理工科專業(yè)學(xué)生教材版本：第2版總學(xué)時：64學(xué)時授課方式：理論講解+實踐操作（利用KNIME軟件）課程簡介本課程以圖形化軟件KNIME為工具，通過拖、拉、拽等直觀操作，引導(dǎo)學(xué)生從簡單到復(fù)雜地完成機器學(xué)習(xí)項目。課程內(nèi)容涵蓋人工智能入門、機器學(xué)習(xí)和深度學(xué)習(xí)三大部分，旨在幫助學(xué)生掌握機器學(xué)習(xí)的基礎(chǔ)知識和實戰(zhàn)技能，培養(yǎng)解決實際問題的能力。課程教學(xué)要求理論知識：掌握人工智能、機器學(xué)習(xí)和深度學(xué)習(xí)的基本概念、原理和方法。實踐技能：熟練使用KNIME軟件進行機器學(xué)習(xí)項目的構(gòu)建、訓(xùn)練和評估。分析與解決問題：培養(yǎng)學(xué)生分析問題、解決問題的能力，能夠根據(jù)實際需求選擇合適的機器學(xué)習(xí)算法和策略。課程教學(xué)內(nèi)容章節(jié)主要內(nèi)容重難點學(xué)時第1章人工智能及機器學(xué)習(xí)概述4學(xué)時1.1人工智能概述人工智能簡史、定義、能力了解：人工智能的發(fā)展歷程和趨勢2學(xué)時1.2機器學(xué)習(xí)概述機器學(xué)習(xí)的定義、任務(wù)、基本問題、優(yōu)化模型和工作流程熟悉：機器學(xué)習(xí)的基本概念和流程1學(xué)時1.3深度學(xué)習(xí)概述深度學(xué)習(xí)的特點、與機器學(xué)習(xí)的關(guān)系掌握：深度學(xué)習(xí)的基本概念1學(xué)時第2章機器學(xué)習(xí)基礎(chǔ)知識6學(xué)時2.1數(shù)學(xué)基礎(chǔ)數(shù)據(jù)的分類、基本統(tǒng)計學(xué)術(shù)語、回歸、最小二乘法掌握：機器學(xué)習(xí)所需的數(shù)學(xué)基礎(chǔ)知識3學(xué)時2.2讀圖數(shù)值數(shù)據(jù)和分類數(shù)據(jù)的分布熟悉：數(shù)據(jù)可視化方法1學(xué)時2.3KNIMEKNIME簡介、下載安裝和基本使用掌握：KNIME軟件的基本操作2學(xué)時第3章線性回歸10學(xué)時3.1簡單線性回歸場景說明、KNIME工作流建立、數(shù)據(jù)獲取與觀察、模型訓(xùn)練和測試掌握：簡單線性回歸的建模流程4學(xué)時3.2多元線性回歸初步任務(wù)及數(shù)據(jù)說明、建立基準工作流、讀取并觀察數(shù)據(jù)熟悉：多元線性回歸的基本概念3學(xué)時3.3多元線性回歸進階優(yōu)化模型、特征歸一化、相關(guān)系數(shù)掌握：多元線性回歸的進階技巧3學(xué)時第4章邏輯回歸10學(xué)時4.1邏輯回歸基本概念分類問題、從線性回歸到邏輯回歸、判定邊界掌握：邏輯回歸的基本原理3學(xué)時4.2邏輯回歸實戰(zhàn)泰坦尼克號生存問題背景介紹、數(shù)據(jù)預(yù)處理、模型訓(xùn)練和測試熟悉：邏輯回歸的實戰(zhàn)應(yīng)用4學(xué)時4.3模型評價混淆矩陣、F1分數(shù)、ROC曲線和AUC掌握：模型評價的方法和指標3學(xué)時第5章模型優(yōu)化8學(xué)時5.1梯度下降損失函數(shù)、使用KNIME優(yōu)化模型掌握：梯度下降優(yōu)化方法2學(xué)時5.2正則化準確性和健壯性、欠擬合和過擬合、正則化防止過擬合熟悉：正則化的原理和應(yīng)用3學(xué)時5.3模型評價混淆矩陣、F1分數(shù)、ROC曲線和AUC的深入理解掌握：模型評價的深入理解和應(yīng)用3學(xué)時第6章支持向量機8學(xué)時6.1支持向量機基本概念支持向量機是什么、支持向量是什么、核掌握：支持向量機的基本原理3學(xué)時6.2SVM初戰(zhàn)問題說明、建立工作流、數(shù)據(jù)觀察、模型訓(xùn)練與測試熟悉：支持向量機的實戰(zhàn)應(yīng)用3學(xué)時6.3支持向量機解決泰坦尼克號問題歸一化、核函數(shù)、建立工作流、模型調(diào)參掌握：支持向量機的進階應(yīng)用2學(xué)時第7章樹類算法8學(xué)時7.1決策樹簡介決策樹的特點、防止過擬合、集成學(xué)習(xí)掌握：決策樹的基本原理和防止過擬合的方法3學(xué)時7.2使用決策樹解決泰坦尼克號生存問題工作流建立、數(shù)據(jù)預(yù)處理、模型訓(xùn)練和測試熟悉：決策樹的實戰(zhàn)應(yīng)用2學(xué)時7.3決策樹高級應(yīng)用實戰(zhàn)探索性數(shù)據(jù)分析、特征工程、異常數(shù)據(jù)處理掌握：決策樹的高級應(yīng)用技巧3學(xué)時第8章深入理解決策樹6學(xué)時8.1決策樹進階如何構(gòu)建決策樹、ID3算法和CART算法掌握：決策樹的構(gòu)建方法和算法原理3學(xué)時8.2數(shù)據(jù)不平衡問題優(yōu)化對多數(shù)數(shù)據(jù)降采樣、對少數(shù)數(shù)據(jù)過采樣、SMOTE算法熟悉：數(shù)據(jù)不平衡問題的優(yōu)化方法3學(xué)時第9章貝葉斯分析6學(xué)時9.1貝葉斯定理基本術(shù)語、條件概率、全概率公式、貝葉斯定理掌握：貝葉斯定理的基本原理3學(xué)時9.2貝葉斯算法解決銀行客戶分類問題工作流建立、貝葉斯算法的學(xué)習(xí)器節(jié)點熟悉：貝葉斯算法的實戰(zhàn)應(yīng)用2學(xué)時9.3情感分析案例安裝插件、建立工作流掌握：情感分析的基本方法和流程1學(xué)時第10章計算機視覺與自然語言處理8學(xué)時10.1深度學(xué)習(xí)簡介深度學(xué)習(xí)的關(guān)鍵、目標、原理概述掌握：深度學(xué)習(xí)的基本原理和概念2學(xué)時10.2計算機視覺著名的卷積神經(jīng)網(wǎng)絡(luò)LeNet-5、AlexNet、VggNet、GoogLeNet、ResNet熟悉：計算機視覺中的卷積神經(jīng)網(wǎng)絡(luò)3學(xué)時10.3KNIME實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)環(huán)境構(gòu)建、安裝所需工具、步驟分析掌握：KNIME實現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)的方法2學(xué)時10.4自然語言處理自然語言數(shù)字化、特征提取、KNIME實現(xiàn)自然語言處理了解：自然語言處理的基本原理和方法1學(xué)時考核要求及成績評定平時成績（40%）：包括課堂參與度、作業(yè)完成情況、實踐操作表現(xiàn)。期中考試（30%）：理論考試，測試學(xué)生對機器學(xué)習(xí)基礎(chǔ)知識的掌握情況。期末考試（30%）：實踐操作考試，要求學(xué)生獨立完成一個機器學(xué)習(xí)項目，包括數(shù)據(jù)預(yù)處理、模型選擇和訓(xùn)練、結(jié)果評估等。學(xué)生學(xué)習(xí)建議理論與實踐結(jié)合：注重理論知識的學(xué)習(xí)，同時加強實踐操作，通過KNIME軟件完成課后練習(xí)和項目實戰(zhàn)。多做練習(xí)：利用教材中的實例和課后練習(xí)，反復(fù)練習(xí)，提高操作熟練度和問題解決能力。積極思考：遇到問題時要積極思考，嘗試自己解決問題，培養(yǎng)解決問題的能力。團隊合作：與同學(xué)組成學(xué)習(xí)小組，共同討論問題，分享學(xué)習(xí)經(jīng)驗，提高學(xué)習(xí)效率。課程改革與建議引入新技術(shù)：隨著機器學(xué)習(xí)技術(shù)的不斷發(fā)展，應(yīng)及時將新技術(shù)、新算法引入教學(xué)內(nèi)容，保持課程的先進性。強化實踐環(huán)節(jié)：增加實踐操作學(xué)時，提供更多實際案例和項目，讓學(xué)生在實踐中學(xué)習(xí)，提高解決問題的能力。開展校企合作：與企業(yè)合作，引入企業(yè)真實項目作為教學(xué)案例，增