《機器學習》課程教學大綱

1、機器學習課程教學大綱一、課程基本信息課程名稱（中文）機器學習課程名稱（英文）Machine Learning課程類別1：專業(yè)選修課課程性質(zhì)2選修授課語言3中文授課學期6學分3課程學時及分配總學時講課實驗課外48321648適用專業(yè)軟件工程、計算機科學與技術(shù)、網(wǎng)絡工程、物聯(lián)網(wǎng)工程、信息安全等教材機器學習，周志華編著，清華大學出版社，2016授課學院計算機與軟件學院先修課程程序設計基礎、概率論與數(shù)理統(tǒng)計等后續(xù)課程深度學習、強化學習、深層神經(jīng)網(wǎng)絡、機器視覺、自然語言處理、語音信號處理等課程簡介課程基本定位：機器學習是人工智能領(lǐng)域中最重要的一個分支之一。本課程是面向軟件工程、計算機科學與技術(shù)、網(wǎng)絡工程

2、、信息安全等專業(yè)本科生的一門專業(yè)選修課。其教學重點是使學生對機器學習的一般理論有所了解；同時掌握常見機器學習算法，包括算法的主要思想和基本步驟，并通過編程練習加深了解，為學生能夠?qū)W以致用的解決該方向中的一些實際問題奠定基礎。 核心學習結(jié)果：該課程將介紹機器學習相關(guān)領(lǐng)域中的發(fā)展歷程及研究現(xiàn)狀；研究不同種類的機器學習算法，例如：決策樹、神經(jīng)網(wǎng)絡、支持向量機、貝葉斯分類器、聚類等。課程將采用理論教學與實驗相結(jié)合的方式，注重培養(yǎng)學生的實踐能力，單獨設立實驗上機來加強學生對不同機器學習算法的理解，通過實驗來鍛煉學生在建立機器學習模型和編程實現(xiàn)能力。通過本課程的學習，學生將全面了解機器學習的正確運用，能夠

3、在實際問題研究中運用機器學習解決問題，跟蹤最前沿的機器學習算法和思想等，能夠為學生從事人工智能下一步相關(guān)研究工作或在解決實際問題的實踐中打下堅實的基礎。主要教學方法： 本課程以課堂教學、演示、討論和課內(nèi)實驗為主，結(jié)合課外自學、課堂討論、團組大作業(yè)大綱更新時間2020.08.16注：1.課程類別：選填“通識核心課/通識拓展課/通修課/學科基礎課/專業(yè)主干課/專業(yè)選修課/專業(yè)實踐/素質(zhì)拓展” 2.課程性質(zhì)：選填“選修/必修”3.授課語言：選填“中文/雙語/全英文或其他語種”二、課程目標序號課程目標（參考培養(yǎng)目標、畢業(yè)要求、課程定位）支撐畢業(yè)要求指標點1達成途徑培養(yǎng)目標1.1具有健全的人格和良好科學

4、文化素養(yǎng)，具備高尚的職業(yè)道德和強烈的社會責任感。【畢業(yè)要求7-環(huán)境和可持續(xù)發(fā)展】：能夠理解和評價針對軟件工程領(lǐng)域復雜工程問題的專業(yè)工程實踐對環(huán)境、社會可持續(xù)發(fā)展的影響。支撐指標點：7.3正確認識軟件工程實踐對于客觀世界和社會的貢獻和影響，理解用技術(shù)手段降低其負面影響的作用與局限性。（一）講解基本概念，介紹機器學習中的前沿技術(shù)，配合講解相應技術(shù)的思想原理及應用，使同學們對機器學習課程產(chǎn)生興趣，從而激發(fā)學生們的學習積極性，使其在之后的理論教學中能更好的理解后續(xù)技術(shù)的原理。（二）通過課外團隊大作業(yè)要求學生能夠運用課堂知識，以團隊合作的形式利用機器學習的理論思想來求解客觀實踐中的實際問題，從而提升學生

5、求解實際問題的實踐能力。培養(yǎng)目標3.1能夠運用相關(guān)法規(guī)及技術(shù)標準并合理地運用所學軟件工程專業(yè)知識來分析、解決工程實際中遇到的技術(shù)難題，具有扎實的理論基礎、寬闊的專業(yè)視野，具有計算機軟硬件相關(guān)產(chǎn)品分析、開發(fā)、測試和維護能力，能夠用系統(tǒng)的觀點分析、處理科學技術(shù)問題。【畢業(yè)要求1-工程知識】：能夠?qū)?shù)學、自然科學、工程基礎和計算機專業(yè)知識用于解決軟件工程及其相關(guān)領(lǐng)域的復雜工程問題。支撐指標點：1.4系統(tǒng)掌握軟件工程基礎理論及專業(yè)知識，包括計算機硬件、軟件及系統(tǒng)等方面內(nèi)容，具備理解軟件工程復雜工程問題的能力，能夠運用所學知識進行軟件工程問題求解。（一）通過講解使學生能夠熟練掌握機器學習主要技術(shù)，具備采

6、用技術(shù)解決實際問題的能力，通過案例分析，使學生掌握采用技術(shù)解決問題的能力。（二）要求學生尋求實際生活中存在的能夠通過機器學習技術(shù)解決的相應應用案例，并提出切實可行的解決方案。培養(yǎng)目標5.1能夠通過繼續(xù)教育或其他學習渠道更新知識，實現(xiàn)能力和技術(shù)水平的提升?！井厴I(yè)要求11-項目管理】：理解并掌握軟件工程領(lǐng)域工程管理原理與經(jīng)濟決策方法，并能在多學科環(huán)境中應用。支撐指標點：11.3能夠在多學科環(huán)境中應用工程管理原理與經(jīng)濟決策方法，具備初步的軟件工程項目管理經(jīng)驗與能力?！井厴I(yè)要求12-終身學習】：具有自主學習和終身學習的意識，有不斷學習和適應發(fā)展的能力。支撐指標點：12.2能認識不斷探索和學習的必要性，

7、具有自主學習和終身學習的意識。把學生分組，并為每個小組布置與課程內(nèi)容緊密相關(guān)的課題項目，采用實踐、討論、課程論文的方式要求每組完成課程報告。通過分組完成項目、互相打分的方式培養(yǎng)學生項目管理和創(chuàng)新探索的能力。注：1.支撐畢業(yè)要求指標點：選填項。需要進行專業(yè)認證，有畢業(yè)要求指標點可參照的課程必填，無明確畢業(yè)要求指標點可參照的可不填。三、理論教學內(nèi)容章標題教學內(nèi)容學時思政融入點1學生學習預期成果2教學方式3課程目標第一章1.機器學習的概念2在高速發(fā)展的機器學習領(lǐng)域，中國學者做出了突出貢獻，占據(jù)了優(yōu)勢地位，在很多領(lǐng)域都是中國人在引領(lǐng)領(lǐng)域的發(fā)展，為學生樹立民族自信和時代精神，鼓勵學生為科技強國多做貢獻。

8、了解機器學習的基本內(nèi)容及其主要研究領(lǐng)域，為以后應用其解決實際問題奠定基礎。掌握該領(lǐng)域的核心前沿技術(shù)和研究現(xiàn)狀。講授了解機器學習研究的特點、內(nèi)容、發(fā)展歷程及其研究現(xiàn)狀，通過對機器學習的了解，把握技術(shù)應用和發(fā)展的趨勢目標1.12.機器學習的發(fā)展歷程3.機器學習的研究現(xiàn)狀4.機器學習的應用領(lǐng)域第二章1.信息論的要素4了解熵、特征選擇的基本概念，熟悉評價方法及評價準則。講授、演示掌握基本特征選擇概念、基本方法。目標3.12.特征選擇和過濾3.子集搜索與評價4.模型評估方法與性能度量第四章1.決策樹的基本原理、算法和表示法4理解決策樹的基本原理、算法和表示法，掌握其常見問題及常用處理方法。講授掌握基本決

9、策樹算法：ID3、C4.5。目標3.12.屬性選擇3. ID3算法4.C4.5算法5.假設空間搜索第五章1.神經(jīng)網(wǎng)絡模型的概念6理解神經(jīng)網(wǎng)絡的工作原理，能將神經(jīng)網(wǎng)絡應用于解決實際工程問題。講授、討論掌握反向傳播算法和梯度下降，能夠構(gòu)建并訓練優(yōu)化神經(jīng)網(wǎng)絡。目標3.12.代價函數(shù)3.反向傳播算法4.全局最小與局部極小5.其他常見的神經(jīng)網(wǎng)絡第六章1.間隔和超平面4使學生掌握建立支持向量機的方法并學會針對特定情形的應用。講授、演示掌握支持向量機與分類、回歸的關(guān)系，理解支持向量機的原理以及掌握核函數(shù)。目標3.12.支持向量和對偶問題3.核函數(shù)4.支持向量機的概念5.核方法第七章1.貝葉斯決策論4鼓勵學生

10、求真務實，勤奮好學，提出當前熱點問題和難點，尋求解決辦法，樹立良好的科研價值觀和思維習慣。使學生掌握算法的原理、實現(xiàn)和應用。講授了解貝葉斯公式的基本原理、先驗概率和后驗概率的概念。掌握貝葉斯最優(yōu)分類器的原理和算法及其實現(xiàn)和應用。目標3.12.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5.貝葉斯網(wǎng)6.EM算法第八章1.個體與集成4結(jié)合集成的概念，使學生牢固樹立集體決策價值觀，認識社會主義集體制度的強大優(yōu)勢，牢固樹立社會主義集體制度、集體決策價值觀。使學生了解序列集成方法和并行集成方法，掌握兩者的代表方法。講授、討論掌握Boosting和Bagging的區(qū)別與應用。目標3.12.序列集

11、成方法與并行集成方法3.Boosting4.Bagging與隨機森林5.Stacking第九章1.聚類的概念4使學生了解聚類思想，掌握主流聚類算法并熟練應用于求解實際問題。講授、案例掌握聚類的基本原理及方法。了解不同聚類算法的原理和應用。目標5.12.性能度量與距離計算3.K-means聚類4.密度聚類5.層次聚類6.FCM聚類注：1.思政融入點：至少寫3條， 簡述該課程教學中將思政教育內(nèi)容與專業(yè)教育內(nèi)容有機融合的知識點（下同）。 2.學生學習預期成果：描述學生在學完本節(jié)內(nèi)容后應獲得的知識、能力或素養(yǎng)水平（下同） 3.教學方式:包括講授、討論、案例、演示等，但不限于所列，根據(jù)課程實際需要列舉四

12、、實踐（實驗或?qū)嵙暎┙虒W1編號實驗或?qū)嵙曧椖棵Q教學內(nèi)容學時實驗或?qū)嵙曨愋?思政融入點學生學習預期成果課程目標1K-近鄰算法求解分類問題根據(jù)K-近鄰算法的核心思想實現(xiàn)K-最近鄰分類算法，至少在兩個不同的數(shù)據(jù)集上比較算法的性能。2驗證劃分成小組，選出優(yōu)秀黨員作為組長，充分發(fā)揮黨員在群眾中的模范帶頭作用，小組成員內(nèi)相互幫扶、相互促進。加強對K-近鄰算法的理解，實現(xiàn)用K-近鄰算法并用于求解分類問題。掌握K-近鄰算法的核心思想與適用情況，鍛煉學生分析問題、解決問題并動手實踐的能力。目標3.12構(gòu)造決策樹求解分類問題實現(xiàn)ID3決策樹，并在給定數(shù)據(jù)集上進行5折交叉驗證。觀測所得決策樹在訓練集和測試集上的準

13、確率，從而判斷該決策樹是否存在過度擬合。2驗證注重鼓勵學生提出自己的算法并去努力實現(xiàn)，引導學生避免長期使用國外算法，潛移默化中培養(yǎng)學生民族自豪感和愛國主義精神。熟悉和掌握決策樹的分類原理、實質(zhì)和過程；掌握典型的學習算法和實現(xiàn)技術(shù)。掌握典型決策樹算法，能夠運用決策樹解決實際分類決策問題。目標3.13線性支持向量機算法的實現(xiàn)針對線性二分類問題，構(gòu)建支持向量機的基本模型驗證其算法性能。4驗證掌握支持向量機算法原理和實現(xiàn)技術(shù)，驗證支持向量機算法的分類性能。了解有關(guān)支持向量機的基本原理，能夠?qū)崿F(xiàn)并使用支持向量機的代碼解決分類問題。目標3.14K-means聚類算法實驗設計實現(xiàn)K-means聚類算法，求解

14、對未分類標注的數(shù)據(jù)進行分組問題，得到分組后的圖像。2驗證了解無監(jiān)督學習的理論基礎，動態(tài)聚類分析的思想和理論以及聚類算法的評價指標。加深對無監(jiān)督學習的理解和認識，掌握K-means算法。目標3.15利用PCA數(shù)據(jù)預處理實驗提供實驗所需提取數(shù)據(jù)的空間信息，實現(xiàn)并利用PCA算法對原始數(shù)據(jù)的簡化操作。2驗證分組討論，團隊協(xié)作，發(fā)現(xiàn)與質(zhì)疑，充分發(fā)揮社會主義集體思維決策的優(yōu)勢。掌握PCA算法的思想，了解其其他的一些降維技術(shù)并熟悉其優(yōu)缺點及適用問題。了解基本的降維方法，掌握PCA算法簡化數(shù)據(jù)的方法，能夠運用到求解實際問題中去。目標5.16構(gòu)建隨機森林模型求解N分類問題使用決策樹構(gòu)造隨機森林的基本模型求解N分

15、類問題。4驗證實現(xiàn)隨機森林模型并測試。深入掌握決策樹的概念和方法，了解隨機森林與決策樹之間的關(guān)系，掌握隨機森林原理和實現(xiàn)技術(shù)。目標5.1注：1.此表可用于課內(nèi)實踐教學環(huán)節(jié)或某門綜合實踐課程2.實驗類型：選填”驗證性/綜合性/設計性”；實習類型：選填“認識實習/生產(chǎn)實習/畢業(yè)實習”五、課程評價（一）考核內(nèi)容、考核方式與課程目標對應關(guān)系課程目標考核內(nèi)容課程目標在各考核方式中占比1平時表現(xiàn)課程作業(yè)實驗報告課程論文培養(yǎng)目標1.1機器學習的概念、機器學習研究的基本內(nèi)容、神經(jīng)元數(shù)學模型。20%20%10%10%培養(yǎng)目標3.1信息熵、決策樹、ID3算法、支持向量機、核函數(shù)、模型評估、特征選擇、PCA算法、貝

16、葉斯分類器、聚類分析、K-means聚類算法、Boosting算法、Bagging與隨機森林、BP學習算法、離散型Hopfield網(wǎng)絡、連續(xù)型Hopfield網(wǎng)絡、卷積神經(jīng)網(wǎng)絡的運算、池化、機視覺、自然語言處理、智能醫(yī)療、生物信息學、數(shù)據(jù)挖掘、環(huán)境監(jiān)測領(lǐng)域、能源勘測、搜索領(lǐng)域、自動駕駛等等。70%60%80%80%培養(yǎng)目標5.1深度學習的基本思想、深度學習前沿算法。10%20%10%10%合計100%100%100%100%各考核方式占總成績權(quán)重（自行賦值）20%10%10%60%注：1. 課程目標在考核方式及占比：主要根據(jù)課程目標自行設計和制定多元化考核方式，表中所列僅為參考（紅色數(shù)據(jù)可刪除

17、）。但所列考核方式必須覆蓋全體學生，可根據(jù)當學期具體教學情況酌情調(diào)整。2. 各考核方式占總成績權(quán)重：根據(jù)課程實際情況對各考核方式占總成績的權(quán)重予以賦值。（二）考核方式評分標準1課程作業(yè)評分標準課程目標評分標準占比90-100（優(yōu)）80-89（良）70-79（中）60-69（及格）0-59（不及格）培養(yǎng)目標1.1能夠深入理解機器學習的基本概念和發(fā)展方向。能夠較好地理解機器學習的基本概念和發(fā)展方向。能夠理解機器學習的基本概念和發(fā)展方向?；纠斫鈾C器學習的基本概念和發(fā)展方向。不理解機器學習的基本概念和發(fā)展方向。20%培養(yǎng)目標3.1能夠很好地掌握機器學習主流算法，并能夠編程實現(xiàn)一些主流算法。能夠較好地理解機器學習主流算法，并能夠編程實現(xiàn)一些主流算法。能夠理解機器學習主流算法，并能夠編程實現(xiàn)一些主流算法?；纠斫鈾C器學習主流算法，并能夠編程實現(xiàn)一些主流算法。不理解模機器學習主流算法，并能夠編程實現(xiàn)一些主流算法。70%培養(yǎng)目標5.1能夠深入理解各種機器學習主流算法并應用其求解實際問題。能夠較好地理解各種機器學習主流算法并應用其求解實際問題。能夠理解各種機器學習主流算法并應用其求解實際問題。基本理解各種機器學習主流算法并應用其求解實際問題。不理解各種機器學習主流算法并應用