機(jī)器學(xué)習(xí)課程教學(xué)大綱課程代碼：課程名稱：機(jī)器學(xué)習(xí)/MachineLearning開課學(xué)期：4學(xué)分/學(xué)時：3/48（理論：40，實(shí)驗(yàn)：8）課程類別：必修課/專業(yè)核心課適用專業(yè)/開課對象：數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)/二年級本科生先修課程/后修課程：Python語言基礎(chǔ)、最優(yōu)化方法/深度學(xué)習(xí)開課單位：人工智能與信息工程學(xué)院團(tuán)隊負(fù)責(zé)人：郭羽含審核人：郭羽含執(zhí)筆人：郭羽含審批人：云本勝一、課程簡介（包含課程性質(zhì)、目的和任務(wù)）（500字左右）本課程作為專業(yè)核心課程，采用“基礎(chǔ)—工具—算法—應(yīng)用”四階遞進(jìn)式教學(xué)設(shè)計，系統(tǒng)覆蓋從Python編程基礎(chǔ)、數(shù)據(jù)結(jié)構(gòu)、函數(shù)模塊、科學(xué)計算庫（NumPy/Pandas/Matplotlib），到機(jī)器學(xué)習(xí)全流程（回歸、分類、聚類、降維、集成、神經(jīng)網(wǎng)絡(luò)、評估、綜合案例）的完整知識體系。課程強(qiáng)調(diào)“零基礎(chǔ)可學(xué)、全流程貫通、真場景落地”：前4章夯實(shí)編程與數(shù)據(jù)處理能力，使學(xué)生具備獨(dú)立完成數(shù)據(jù)加載、清洗、可視化與特征工程的能力；第5章起系統(tǒng)講授機(jī)器學(xué)習(xí)核心算法原理、Scikit-learn/TensorFlow工程實(shí)現(xiàn)及調(diào)優(yōu)方法；最終通過醫(yī)學(xué)圖像分割綜合項(xiàng)目，訓(xùn)練學(xué)生端到端解決復(fù)雜數(shù)據(jù)問題的能力。課程融入數(shù)據(jù)倫理、國產(chǎn)技術(shù)應(yīng)用、開源協(xié)作等思政元素，重點(diǎn)支持以下畢業(yè)要求指標(biāo)點(diǎn)：2.3能夠通過文獻(xiàn)檢索、資料查詢等基本方法以及網(wǎng)絡(luò)等現(xiàn)代信息技術(shù)獲得可用的知識、技術(shù)或方法，輔助進(jìn)行問題的識別、分析與表達(dá)。3.1能夠設(shè)計工程問題的解決方案，包括滿足特定需求的數(shù)據(jù)采集、存儲、分析、挖掘、計算方法、系統(tǒng)設(shè)計、實(shí)現(xiàn)、測試與驗(yàn)證等。4.2能夠基于工作原理，進(jìn)行復(fù)雜工程問題的研究，就綜合性的功能或問題設(shè)計相關(guān)的實(shí)驗(yàn)方案，對結(jié)果進(jìn)行分析，并通過信息綜合得到合理有效的結(jié)論。5.1能夠針對工程問題，為構(gòu)建復(fù)雜工程問題的預(yù)測與模擬環(huán)境選擇和使用合適的現(xiàn)代工程工具和信息技術(shù)工具。5.2能夠針對工程問題，選擇和使用合適的現(xiàn)代工程工具和信息技術(shù)工具。5.3能夠?qū)ο鄳?yīng)的現(xiàn)代工程工具和信息技術(shù)工具進(jìn)行評價并理解其局限性。7.2能夠理解并踐行相關(guān)工程倫理、職業(yè)道德、法律和規(guī)范，能夠在工程實(shí)踐中承擔(dān)質(zhì)量、安全、服務(wù)等方面的社會責(zé)任。8.2具備良好的團(tuán)隊意識、團(tuán)隊合作與溝通、團(tuán)隊協(xié)調(diào)或組織能力，能夠在多學(xué)科背景下的項(xiàng)目組織中根據(jù)需要承擔(dān)成員或負(fù)責(zé)人的角色。9.1具備溝通交流的基本技巧與能力，良好的口頭與書面表達(dá)能力，有效表達(dá)自己思想與意愿的能力，傾聽與理解他人需求和意愿的能力，適應(yīng)工作與人際環(huán)境變化的能力。9.2能夠依照相關(guān)的工程標(biāo)準(zhǔn)或行業(yè)規(guī)范，進(jìn)行相關(guān)技術(shù)文檔的撰寫與交流表達(dá)。1.課程教學(xué)目標(biāo)課程目標(biāo)1：掌握Python編程基礎(chǔ)、核心數(shù)據(jù)結(jié)構(gòu)、函數(shù)模塊化設(shè)計及NumPy/Pandas/Matplotlib數(shù)據(jù)科學(xué)工具鏈的使用方法。課程目標(biāo)2：掌握機(jī)器學(xué)習(xí)基礎(chǔ)理論及主流算法（回歸、分類、聚類、降維、集成、神經(jīng)網(wǎng)絡(luò)）的核心原理與工程實(shí)現(xiàn)。課程目標(biāo)3：能夠獨(dú)立完成從數(shù)據(jù)預(yù)處理到模型訓(xùn)練、評估、調(diào)優(yōu)、部署的完整機(jī)器學(xué)習(xí)流程，并應(yīng)用于真實(shí)場景。課程目標(biāo)4：強(qiáng)化數(shù)據(jù)隱私、算法公平性與技術(shù)倫理意識，理解國產(chǎn)AI生態(tài)現(xiàn)狀，踐行“技術(shù)向善、科技報國”理念。2.課程目標(biāo)與畢業(yè)要求的關(guān)系本課程的學(xué)習(xí)目標(biāo)與畢業(yè)要求關(guān)系矩陣如下表1所示，課程目標(biāo)能有效支持相應(yīng)畢業(yè)要求指標(biāo)點(diǎn)的達(dá)成。表1課程目標(biāo)與畢業(yè)要求關(guān)聯(lián)矩陣序號畢業(yè)要求指標(biāo)點(diǎn)課程目標(biāo)12.3課程目標(biāo)1、223.1課程目標(biāo)1、234.2課程目標(biāo)245.1課程目標(biāo)255.2課程目標(biāo)165.3課程目標(biāo)177.2課程目標(biāo)488.2課程目標(biāo)399.1課程目標(biāo)3109.2課程目標(biāo)3教學(xué)內(nèi)容與基本要求（一）Python語言基礎(chǔ)（2學(xué)時）教學(xué)內(nèi)容：介紹Python語言的基本特點(diǎn)與發(fā)展背景；講解Python開發(fā)環(huán)境（如Anaconda、PyCharm、JupyterNotebook）的搭建與配置；系統(tǒng)講授程序基本編寫方法，包括標(biāo)識符與變量命名規(guī)則、基本數(shù)據(jù)類型（整型、浮點(diǎn)型、字符串、布爾型）、運(yùn)算符與表達(dá)式；詳細(xì)解析程序三大結(jié)構(gòu)——順序結(jié)構(gòu)、分支結(jié)構(gòu)（if/elif/else）、循環(huán)結(jié)構(gòu)（for/while）；通過簡單案例（如成績判定、九九乘法表）進(jìn)行編程實(shí)踐。教學(xué)重點(diǎn)與難點(diǎn)：變量作用域與數(shù)據(jù)類型轉(zhuǎn)換；分支與循環(huán)嵌套邏輯的構(gòu)建；開發(fā)環(huán)境配置常見問題的排查。教學(xué)方法：理論講授、代碼演示、課堂即時編程練習(xí)。學(xué)習(xí)要求：能夠獨(dú)立搭建Python開發(fā)環(huán)境，熟練編寫包含順序、分支、循環(huán)結(jié)構(gòu)的完整程序，并理解基本語法規(guī)范。（二）基礎(chǔ)數(shù)據(jù)結(jié)構(gòu)（2學(xué)時）教學(xué)內(nèi)容：系統(tǒng)講解Python核心內(nèi)置數(shù)據(jù)結(jié)構(gòu)——列表（list）、元組（tuple）、字典（dict）的基本操作與常用函數(shù)；重點(diǎn)介紹列表的增刪改查、切片選取、排序與遍歷；對比元組與列表的異同及相互轉(zhuǎn)換；深入講解字典的鍵值對操作、嵌套結(jié)構(gòu)（如字典中包含列表、列表中包含字典）及遍歷方式；通過案例（如學(xué)生成績管理、商品信息存儲）強(qiáng)化數(shù)據(jù)組織能力。教學(xué)重點(diǎn)與難點(diǎn)：列表與字典的嵌套結(jié)構(gòu)處理；可變與不可變對象的理解；高效數(shù)據(jù)選取與更新策略。教學(xué)方法：案例驅(qū)動、交互式編程、小組討論。學(xué)習(xí)要求：能夠靈活選用合適的數(shù)據(jù)結(jié)構(gòu)組織復(fù)雜數(shù)據(jù)，熟練完成數(shù)據(jù)的創(chuàng)建、查詢、修改與嵌套操作。（三）函數(shù)與模塊（2學(xué)時）教學(xué)內(nèi)容：講授函數(shù)的定義、調(diào)用、參數(shù)傳遞（位置參數(shù)、關(guān)鍵字參數(shù)、默認(rèn)參數(shù)、可變參數(shù)）與返回值機(jī)制；介紹兩類特殊函數(shù)——匿名函數(shù)（lambda）與遞歸函數(shù)（如階乘、斐波那契）；講解常用內(nèi)置函數(shù)（如map、filter、reduce、zip）及字符串處理函數(shù)；系統(tǒng)介紹Python模塊與包的概念，演示標(biāo)準(zhǔn)庫（如os、math、random、datetime）的導(dǎo)入與使用方法。教學(xué)重點(diǎn)與難點(diǎn)：參數(shù)傳遞機(jī)制（引用vs值）；遞歸函數(shù)的終止條件設(shè)計；模塊化編程思想的建立。教學(xué)方法：講授+編程實(shí)踐+代碼重構(gòu)練習(xí)。學(xué)習(xí)要求：能夠編寫結(jié)構(gòu)清晰、功能復(fù)用的函數(shù)，熟練導(dǎo)入并使用常用標(biāo)準(zhǔn)庫，具備初步的模塊化程序設(shè)計能力。（四）數(shù)據(jù)科學(xué)庫（6學(xué)時）教學(xué)內(nèi)容：系統(tǒng)講授數(shù)據(jù)科學(xué)三大核心庫：NumPy：數(shù)組創(chuàng)建、索引、切片、廣播機(jī)制、數(shù)學(xué)運(yùn)算（如統(tǒng)計、線性代數(shù)）；Matplotlib：基本繪圖流程、圖表屬性設(shè)置（標(biāo)題、標(biāo)簽、圖例）、繪制折線圖、散點(diǎn)圖、柱狀圖、直方圖等常用圖表及子圖布局；Pandas：核心數(shù)據(jù)結(jié)構(gòu)（Series與DataFrame）、數(shù)據(jù)讀?。–SV/Excel）、缺失值處理、數(shù)據(jù)篩選、分組聚合、數(shù)據(jù)合并等常用操作。通過案例（如銷售數(shù)據(jù)分析、人口統(tǒng)計可視化）進(jìn)行綜合演練。教學(xué)重點(diǎn)與難點(diǎn)：Pandas的索引與多級索引操作；NumPy向量化運(yùn)算效率優(yōu)勢；Matplotlib圖表的精細(xì)控制。教學(xué)方法：演示教學(xué)、實(shí)驗(yàn)操作、數(shù)據(jù)探索任務(wù)。學(xué)習(xí)要求：能夠使用NumPy、Pandas完成結(jié)構(gòu)化數(shù)據(jù)的加載、清洗與變換，并利用Matplotlib生成清晰、專業(yè)的可視化圖表。（五）機(jī)器學(xué)習(xí)概述（2學(xué)時）教學(xué)內(nèi)容：闡述機(jī)器學(xué)習(xí)的定義、發(fā)展歷程及在圖像識別、推薦系統(tǒng)、自然語言處理等領(lǐng)域的應(yīng)用；介紹基本術(shù)語（特征、標(biāo)簽、訓(xùn)練集、測試集、過擬合等）；梳理監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)的基本類型；講解機(jī)器學(xué)習(xí)一般流程（數(shù)據(jù)獲取→預(yù)處理→模型訓(xùn)練→評估→部署）；演示Scikit-learn庫的安裝、內(nèi)置數(shù)據(jù)集加載、模型訓(xùn)練、預(yù)測、評估及模型保存與加載方法。教學(xué)重點(diǎn)與難點(diǎn)：區(qū)分訓(xùn)練集與測試集的作用；理解模型泛化能力的基本概念；Scikit-learn編程范式（fit/predict/score）。教學(xué)方法：理論講授、案例演示。學(xué)習(xí)要求：掌握機(jī)器學(xué)習(xí)的基本框架與術(shù)語，能使用Scikit-learn完成第一個端到端的機(jī)器學(xué)習(xí)任務(wù)。（六）回歸分析（4學(xué)時）教學(xué)內(nèi)容：講解回歸分析基本原理；深入解析多元線性回歸的最小二乘法求解；系統(tǒng)介紹正則化回歸方法——嶺回歸（L2正則）、Lasso回歸（L1正則）、ElasticNet（L1+L2混合）的數(shù)學(xué)原理與幾何解釋；通過Scikit-learn實(shí)現(xiàn)各類回歸模型，分析超參數(shù)（如alpha、l1_ratio）對模型復(fù)雜度與性能的影響。教學(xué)重點(diǎn)與難點(diǎn)：正則化對模型泛化能力的提升機(jī)制；L1與L2正則的稀疏性差異；多重共線性問題的緩解。教學(xué)方法：理論推導(dǎo)+編程實(shí)踐+參數(shù)影響可視化。學(xué)習(xí)要求：掌握各類線性回歸模型的適用場景，能獨(dú)立完成回歸任務(wù)的建模、調(diào)參與結(jié)果解釋。（七）分類算法（10學(xué)時）教學(xué)內(nèi)容：系統(tǒng)講解主流分類算法：k近鄰算法：距離度量（歐氏、曼哈頓）、k值選擇、實(shí)現(xiàn)及參數(shù)（weights、algorithm）；邏輯回歸：Sigmoid函數(shù)、極大似然估計、決策邊界；樸素貝葉斯：貝葉斯定理、條件獨(dú)立假設(shè)、高斯/多項(xiàng)式模型；決策樹與CART：信息增益、基尼系數(shù)、預(yù)剪枝與后剪枝；支持向量機(jī)：最大間隔分類、軟間隔、核函數(shù)（線性、RBF）原理與參數(shù)（C、gamma）。所有算法均結(jié)合Scikit-learn進(jìn)行實(shí)現(xiàn)與對比。教學(xué)重點(diǎn)與難點(diǎn)：SVM核技巧的理解；決策樹可解釋性與過擬合控制；樸素貝葉斯假設(shè)的合理性分析。教學(xué)方法：理論講解、可視化演示、分類任務(wù)實(shí)戰(zhàn)。學(xué)習(xí)要求：理解各類分類算法的核心思想，能根據(jù)數(shù)據(jù)特性選擇合適模型并完成性能評估。（八）聚類算法（4學(xué)時）教學(xué)內(nèi)容：介紹聚類的基本思想與無監(jiān)督學(xué)習(xí)特點(diǎn)；詳細(xì)講解k均值算法的迭代過程與初始中心選擇問題；解析DBSCAN的密度連通性概念與參數(shù)（eps、min_samples）影響；介紹Agglomerative層次聚類的凝聚過程與距離度量（ward、complete）；通過Scikit-learn實(shí)現(xiàn)聚類并使用輪廓系數(shù)等指標(biāo)評估效果。教學(xué)重點(diǎn)與難點(diǎn)：DBSCAN對噪聲點(diǎn)的處理；k均值對初始值敏感；聚類結(jié)果的業(yè)務(wù)解釋。教學(xué)方法：案例教學(xué)、可視化聚類過程、實(shí)驗(yàn)操作。學(xué)習(xí)要求：能對無標(biāo)簽數(shù)據(jù)進(jìn)行有效聚類，并評估聚類質(zhì)量，理解不同算法的適用場景。（九）數(shù)據(jù)降維（2學(xué)時）教學(xué)內(nèi)容：講解降維的必要性與應(yīng)用場景；深入剖析主成分分析（PCA）的方差最大化思想與實(shí)現(xiàn)；介紹線性判別分析（LDA）的有監(jiān)督降維原理；簡要介紹稀疏編碼的基本思想；通過Scikit-learn實(shí)現(xiàn)PCA與LDA，并結(jié)合可視化展示降維效果。教學(xué)重點(diǎn)與難點(diǎn)：PCA主成分的物理意義；LDA與PCA的本質(zhì)區(qū)別；降維后信息損失的權(quán)衡。教學(xué)方法：理論推導(dǎo)、降維可視化、案例分析。學(xué)習(xí)要求：掌握PCA與LDA的使用方法，能將降維技術(shù)應(yīng)用于高維數(shù)據(jù)預(yù)處理。（十）集成學(xué)習(xí)（4學(xué)時）教學(xué)內(nèi)容：介紹集成學(xué)習(xí)的基本理論（偏差-方差分解）；詳細(xì)講解隨機(jī)森林的Bagging思想與特征隨機(jī)選擇機(jī)制；解析投票法（硬投票/軟投票）的集成策略；系統(tǒng)介紹提升法（Boosting）思想，涵蓋AdaBoost與GBDT的迭代加權(quán)機(jī)制；通過Scikit-learn與XGBoost實(shí)現(xiàn)集成模型并進(jìn)行參數(shù)調(diào)優(yōu)。教學(xué)重點(diǎn)與難點(diǎn)：隨機(jī)森林中n_estimators與max_features的影響；提升法的殘差擬合機(jī)制；防止過擬合的策略。教學(xué)方法：理論講授、模型對比實(shí)驗(yàn)、調(diào)參實(shí)踐。學(xué)習(xí)要求：掌握主流集成方法的原理與實(shí)現(xiàn)，能構(gòu)建高性能集成模型并解釋其優(yōu)勢。（十一）神經(jīng)網(wǎng)絡(luò)（4學(xué)時）教學(xué)內(nèi)容：從神經(jīng)元模型出發(fā)，講解感知機(jī)與單層感知機(jī)的局限性；系統(tǒng)介紹前饋神經(jīng)網(wǎng)絡(luò)（多層感知機(jī)）的結(jié)構(gòu)、激活函數(shù)（Sigmoid、ReLU、Tanh）、前向傳播與反向傳播算法；簡要介紹深度神經(jīng)網(wǎng)絡(luò)典型結(jié)構(gòu)——卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）、自編碼器（AE）的基本思想與應(yīng)用場景；通過TensorFlow或PyTorch實(shí)現(xiàn)簡單MLP模型并訓(xùn)練。教學(xué)重點(diǎn)與難點(diǎn)：反向傳播的鏈?zhǔn)角髮?dǎo)；激活函數(shù)的選擇對梯度的影響；學(xué)習(xí)率與網(wǎng)絡(luò)深度的調(diào)優(yōu)。教學(xué)方法：理論推導(dǎo)、框架演示、簡單圖像/表格數(shù)據(jù)訓(xùn)練。學(xué)習(xí)要求：理解神經(jīng)網(wǎng)絡(luò)基本工作原理，能使用主流深度學(xué)習(xí)框架搭建并訓(xùn)練簡單網(wǎng)絡(luò)。（十二）算法評估與驗(yàn)證（2學(xué)時）教學(xué)內(nèi)容：講解數(shù)據(jù)集劃分方法（留出法、K折交叉驗(yàn)證、分層抽樣）；介紹分類（準(zhǔn)確率、精確率、召回率、F1、AUC）、回歸（MSE、MAE、R2）、聚類（輪廓系數(shù)、Calinski-Harabasz）等評估指標(biāo)；系統(tǒng)講解超參數(shù)調(diào)優(yōu)技術(shù)——網(wǎng)格搜索（GridSearchCV）與隨機(jī)搜索；介紹距離度量方法（歐氏、余弦、曼哈頓）在不同算法中的作用。教學(xué)重點(diǎn)與難點(diǎn)：評估指標(biāo)的業(yè)務(wù)意義選擇；交叉驗(yàn)證避免數(shù)據(jù)泄露；調(diào)優(yōu)效率與效果的平衡。教學(xué)方法：案例研討、自動化調(diào)參實(shí)踐。學(xué)習(xí)要求：能設(shè)計科學(xué)的評估方案，獨(dú)立完成模型性能分析與超參數(shù)優(yōu)化。（十三）綜合案例——醫(yī)學(xué)圖像分割（2學(xué)時）教學(xué)內(nèi)容：以醫(yī)學(xué)圖像（如肺部CT切片）為對象，開展端到端項(xiàng)目實(shí)踐：進(jìn)行數(shù)據(jù)探索與可視化；完成圖像預(yù)處理（歸一化、尺寸調(diào)整、標(biāo)注格式轉(zhuǎn)換）；選取并訓(xùn)練多種模型（如U-Net、SVM、聚類）進(jìn)行分割；對比不同算法的分割精度、速度與魯棒性；生成可視化結(jié)果并撰寫技術(shù)報告。教學(xué)重點(diǎn)與難點(diǎn)：多模態(tài)數(shù)據(jù)預(yù)處理流程；模型選擇與融合策略；技術(shù)文檔的規(guī)范化撰寫。教學(xué)方法：項(xiàng)目式學(xué)習(xí)、小組協(xié)作、成果匯報。學(xué)習(xí)要求：能夠綜合運(yùn)用課程所學(xué)知識完成真實(shí)場景下的復(fù)雜機(jī)器學(xué)習(xí)任務(wù)，具備系統(tǒng)性解決問題的能力。三、課程思政目標(biāo)、融入點(diǎn)、實(shí)施路徑與預(yù)期成效本課程以“技術(shù)向善、責(zé)任擔(dān)當(dāng)、創(chuàng)新報國”為思政教育核心，將社會主義核心價值觀與數(shù)據(jù)科學(xué)職業(yè)倫理深度融合，通過真實(shí)場景實(shí)踐強(qiáng)化學(xué)生的家國情懷與科技使命感，培養(yǎng)兼具技術(shù)能力與社會責(zé)任感的新工科人才。表2課程思政目標(biāo)、融入點(diǎn)及實(shí)施路徑序號育德目標(biāo)課程思政教育的融入點(diǎn)教育方法與實(shí)施途徑教學(xué)成效1強(qiáng)化數(shù)據(jù)倫理與社會責(zé)任數(shù)據(jù)隱私保護(hù)與模型公平性驗(yàn)證案例教學(xué)：通過數(shù)據(jù)集分析，研討隱私脫敏技術(shù)對模型精度的影響；實(shí)踐教學(xué)：在實(shí)驗(yàn)報告中增設(shè)“倫理風(fēng)險評估”章節(jié)，使用GDPR合規(guī)性檢查工具學(xué)生提交的實(shí)驗(yàn)報告需包含數(shù)據(jù)使用合規(guī)性分析，通過倫理風(fēng)險評估2培育技術(shù)創(chuàng)新與自主意識國產(chǎn)機(jī)器學(xué)習(xí)框架應(yīng)用實(shí)踐啟發(fā)研討：對比國內(nèi)外框架在分類任務(wù)中的性能差異；信息化載體：國產(chǎn)框架部署案例，閱讀《中國人工智能白皮書》技術(shù)選型需包含國產(chǎn)框架適配性分析，支持組選擇國產(chǎn)工具鏈3塑造團(tuán)隊協(xié)作與工匠精神開源協(xié)作與代碼質(zhì)量管理實(shí)踐教學(xué)：分組使用GitLab進(jìn)行代碼版本控制，實(shí)施代碼質(zhì)量檢測；案例研討：分析Apache開源社區(qū)協(xié)作規(guī)范代碼倉庫需通過質(zhì)量檢測，通過評分表量化成員協(xié)作效能4厚植科技報國與家國情懷國產(chǎn)技術(shù)突破案例案例教學(xué)：解析國產(chǎn)數(shù)據(jù)清洗與預(yù)測技術(shù)；實(shí)踐任務(wù)：使用國產(chǎn)數(shù)據(jù)庫完成項(xiàng)目數(shù)據(jù)存儲研讀至少1篇國產(chǎn)技術(shù)領(lǐng)域論文5踐行職業(yè)規(guī)范與學(xué)術(shù)誠信技術(shù)報告引用規(guī)范與代碼抄襲檢測案例研討：分析報告的引用規(guī)范；信息化工具：使用代碼查重系統(tǒng)檢測實(shí)驗(yàn)代碼原創(chuàng)性實(shí)驗(yàn)代碼查重率需低于15%，引用標(biāo)注完整度達(dá)100%四、課外教學(xué)環(huán)節(jié)教學(xué)安排學(xué)生需在課外通過自主文獻(xiàn)研讀深化對機(jī)器學(xué)習(xí)經(jīng)典算法數(shù)學(xué)原理的理解，結(jié)合主流數(shù)據(jù)科學(xué)平臺完成代碼實(shí)踐任務(wù)，重點(diǎn)強(qiáng)化模型調(diào)優(yōu)與性能分析能力；參與技術(shù)社區(qū)討論以跟蹤領(lǐng)域前沿動態(tài)，針對開放性問題設(shè)計數(shù)據(jù)分析方案并撰寫可行性報告，所有代碼需符合工程規(guī)范并附帶技術(shù)文檔注釋，技術(shù)報告須體現(xiàn)業(yè)務(wù)價值提煉與創(chuàng)新思維，最終通過項(xiàng)目制學(xué)習(xí)形成從理論到實(shí)踐的系統(tǒng)化能力遷移。重點(diǎn)支持課程目標(biāo)2、3。五、考核內(nèi)容、方式與課程目標(biāo)的關(guān)聯(lián)本課程的考核內(nèi)容、考核方式與支撐課程目標(biāo)的關(guān)系矩陣詳見表4所示。表4課程目標(biāo)與考核內(nèi)容、考核方式的關(guān)聯(lián)矩陣課程目標(biāo)考核內(nèi)容考核方式成績比例及權(quán)重分布課程目標(biāo)權(quán)重考核評估材料平時成績（20%）實(shí)踐成績（20%）期末成績（60%）1基礎(chǔ)機(jī)器學(xué)習(xí)算法的原理闡述，使用工具完成算法的工程實(shí)現(xiàn)平時成績、實(shí)踐、期末考試20%20%10%0.16作業(yè)、過程記錄、試卷等2基于理論知識進(jìn)行算法選型，完成算法的邏輯推導(dǎo)、超參數(shù)調(diào)優(yōu)及性能分析平時成績、實(shí)踐、期末考試40%30%40%0.37作業(yè)、過程記錄、試卷等3復(fù)雜機(jī)器學(xué)習(xí)系統(tǒng)的構(gòu)建流程與方法，結(jié)合真實(shí)場景案例，完成機(jī)器學(xué)習(xí)系統(tǒng)的設(shè)計與應(yīng)用平時成績、實(shí)踐、期末考試30%40%40%0.37作業(yè)、過程記錄、試卷等4掌握算法公平性相關(guān)理論知識，在實(shí)踐中體現(xiàn)技術(shù)倫理意識平時成績、實(shí)踐10%10%10%0.1作業(yè)、過程記錄等合計100%100%100%1計分制：百分制（√）；五級分制（）；兩級分制（）考核方式：考試（√）；考查（）平時成績占20%，主要包括：作業(yè)、考勤等，各占10%。評價標(biāo)準(zhǔn)（量規(guī)表5-1）：實(shí)踐/實(shí)驗(yàn)成績占20%，主要考查課堂實(shí)踐完成情況，采用實(shí)踐成果完成度檢查、過程記錄等形式。評價標(biāo)準(zhǔn)（量規(guī)表5-2）；期末考試成績占60%，考試課采用閉卷形式。題型選擇題、簡答題、分析題、編程題等。表5-1平時成績評分標(biāo)準(zhǔn)（量規(guī)表）課程目標(biāo)考核內(nèi)容與評價標(biāo)準(zhǔn)優(yōu)秀良好中等及格不及格1全勤且課堂紀(jì)律無違規(guī)，積極參與互動缺勤1次或輕微違規(guī)，積極參與互動缺勤2次或輕微違規(guī)，但整體專注缺勤2次或多次違規(guī)，課上不專注缺勤3次及以上或嚴(yán)重違紀(jì)2作業(yè)或課外學(xué)習(xí)成果按時提交且邏輯清晰無錯誤延遲1天提交但內(nèi)容完整，存在少量錯誤延遲2天提交但內(nèi)容基本完整，存在部分錯誤延遲3天或內(nèi)容不完整，存在明顯錯誤未提交或內(nèi)容存在大量明顯錯誤表5-2