《機器學習》課程實施方案（教學大綱）

1、機器學習課程實施方案一、課程基本信息課程名稱：機器學習課程代碼：OPT228學 分：3學 時：3學時/課，共51學時。二、任課教師、助教、教室等情況（四）上課時間：（五）紀 律：1、無特殊情況，不允許無故缺課。2、每次作業(yè)須在規(guī)定時間內(nèi)提交。三、閱讀材料（一）推薦教材：周志華:機器學習第1版，清華大學出版社。（二）參考教材1. Peter Flach著，機器學習，人民郵電出版社。2. 李航著，統(tǒng)計學習方法，清華大學出版社。（三）進一步閱讀教材1.TOM M. Mitchell著，機器學習，機械工業(yè)出版社。2. Trvor Hastie等，The Elements of Statistical

2、Learning (2nd Edition), Springer。四、課程內(nèi)容概要（一）課程目標1.了解機器學習各個領(lǐng)域的模型以及各自的優(yōu)劣點。2.理解并掌握機器學習的基本思路。3.了解機器學習各模型適用的問題和有效范圍4.能正確對現(xiàn)實中的問題進行抽象，使用機器學習模型進行實際問題的模型構(gòu)建與求解。5.熟練調(diào)用機器學習的軟件包處理實際問題。6.精通以下技能：口頭陳述的能力、撰寫案例研究報告的能力、滿足機器學習程序編寫所需的計算機技能、文獻搜索和互聯(lián)網(wǎng)信息檢索能力。6.通過師生交流、同學合作，養(yǎng)成認真、嚴謹?shù)膶W習態(tài)度；鍛煉友愛、包容、相互尊重的個人品質(zhì)，并充分理解課程主旨思想，培養(yǎng)節(jié)約和優(yōu)化社會

3、資源的社會責任感；培養(yǎng)學生的創(chuàng)新精神、實踐能力和國際視野；突出學生知識、能力、素質(zhì)的協(xié)調(diào)發(fā)展。（二）教學內(nèi)容序號題目知識點學時（課堂教授）1緒論（一）機器學習的產(chǎn)生和發(fā)展；3（二）機器學習的研究方法和步驟。2模型評估與選擇（一）經(jīng)驗誤差與過擬合9（二）評估方法（三）性能度量（四）比較檢驗（五）偏差與方差3線性模型（一）基本形式15（二）線性回歸（三）對數(shù)幾率回歸（四）線性判別分析（五）多分類學習4決策樹（一）基本流程和劃分選擇12（二）剪枝處理（三）連續(xù)與缺失值處理5神經(jīng)網(wǎng)絡（一）神經(jīng)元模型6（二）感知機與多層網(wǎng)絡（三）誤差逆?zhèn)鞑ニ惴ǎㄋ模┤肿钚∨c局部極小（五）常見其他神經(jīng)網(wǎng)絡（六）深度學習

4、6支持向量機（一）間隔與支持向量機6（二）對偶問題（三）核函數(shù)（四）軟間隔與正則化（五）支持向量回歸課時總計：51學時51(課程教授)課程思政教學內(nèi)容設計:教學單元教學內(nèi)容課程思政元素與教育目標第一講緒論我國在機器領(lǐng)域取得的突出成績，增加學生自豪感和認同感第二講線性模型學習倫理：人如何用最簡單的模型對未知問題進行評估第三講決策樹學習倫理：人是如何進行思考和判斷的，如何讓機器學習這一模式第四講支持向量機學習倫理：怎樣用數(shù)學模型來表達人想要的東西第五講貝葉斯估計學習倫理：如何利用已用的經(jīng)驗來對未知問題進行評估第六講神經(jīng)網(wǎng)絡學習倫理：模仿人大腦活動方式來構(gòu)建數(shù)學模型（三）課程要求1.文獻與參考書閱讀

5、作業(yè)：課堂進行隨機抽查回答與提前指定匯報結(jié)合方式。2.平時課后作業(yè)：按時規(guī)定的時間交與助教進行批改，隔一周上課時間助教與授課教師進行評講。3.上機作業(yè)：上機實驗作業(yè)按照“學號-姓名-實驗*”方式命名，課后及時在課程中心作業(yè)論壇中進行提交。（四）教學安排課程講授內(nèi)容授課方式作業(yè)(教材)/測驗輔助學習材料1緒論：1 機器學習的產(chǎn)生和發(fā)展；2 機器學習的研究方法和步驟講授課外閱讀文獻查詢、閱讀Peter Flash機器學習導論章節(jié)2第一章 模型評估與選擇1經(jīng)驗誤差與過擬合2 評估方法講授課外閱讀作業(yè)： 1.2（1）、1.3（2）Peter Flash機器學習模型評估章節(jié)3第一章 模型評估與選擇3 性

6、能度量4 比較檢驗講授課外閱讀作業(yè)： 1.1（2）Peter Flash機器學習模型評估章節(jié)4第一章 模型評估與選擇5 偏差與方差講授課外閱讀作業(yè)： 1.3（2）Peter Flash機器學習模型評估章節(jié)5第二章 線性模型1基本形式講授課外閱讀作業(yè)： 2.6（2）、2.7Peter Flash機器學習線性模型章節(jié)6第一章 線性模型2 線性回歸講授課外閱讀作業(yè)：2.14、2.18Peter Flash機器學習線性模型章節(jié)7第一章 線性模型3 對數(shù)幾率回歸講授課外閱讀作業(yè)：2.20Peter Flash機器學習線性模型章節(jié)8線性模型4 線性判別分析5 多分類學習講授課外閱讀作業(yè)： 2.22Pete

7、r Flash機器學習線性模型章節(jié)9上機練習：線性模型學習與實踐上機實踐實驗作業(yè)1課堂上完成10第三章 決策樹1 基本流程2 劃分選擇講授課外閱讀作業(yè)：3.1、3.2Peter Flash機器學習決策樹章節(jié)10第三章 決策樹3剪枝處理4 連續(xù)與缺失值講授課外閱讀作業(yè)：3.6、3.9Peter Flash機器學習決策樹章節(jié)11期中測試12上機練習：決策樹上機實踐實驗作業(yè)2課堂上完成13第四章 神經(jīng)網(wǎng)絡1 神經(jīng)元模型2 感知機與多層網(wǎng)絡3 誤差逆?zhèn)鞑ニ惴ㄖv授課外閱讀作業(yè)：4.1、4.3、4.6Peter Flash機器學習神經(jīng)網(wǎng)絡章節(jié)14第四章 神經(jīng)網(wǎng)絡4 全局最小與局部極小5 其他常見神經(jīng)網(wǎng)絡6 深度學習講授課外閱讀作業(yè)：4.8、4.10、4.12Peter Flash機器學習神經(jīng)網(wǎng)絡章節(jié)15第五章 支持向量機1 間隔與支持向量機2 對偶問題3 核函數(shù)講授課外閱讀作業(yè)：5.1、5.6、5.7Peter Flash機器學習支持向量機章節(jié)16第五章 支持向量機4 軟間隔與正則化5 支持向量回歸講授課外閱讀作業(yè)： 5.8、5.11Peter Flash機器學習支持向量機章節(jié)17上機練習：神經(jīng)網(wǎng)絡與支持向量機上機實驗