- 1、本文档共9页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
附件3
《机器学习》
教学实施与评价指南
课程基本情况
本课程在专业课程体系中的定位
本课程实施学期为大二第一学期,是专业课程,64课时,4个学分。前导课程为《人工智能技术应用导轮》、《人工智能数学基础》等,后续课程为《深度学习》、《自然语言处理》等。
图 SEQ 图 \* ARABIC 1 软件技术(人工智能应用)课程体系
课程内容地图
本课程包括五个单元,分别是:1.Pytyon编程库,2.分类学习,3.回归预测,4.无监督学习,5.模型实用技巧及应用。
课程内容具体安排如下图2所示。
图 SEQ 图 \* ARABIC 2 课程内容思维导图
二、教学内容组织
(一)课程学习目标
掌握机器学习的基本概念;掌握Scikit-learn库的使用,能基于Python语言和Scikit-learn库实现机器学习的简单应用;理解经典的机器学习算法,为后续运用人工智能技术应用开发奠定知识和技术基础;具备分析和解决实际问题的能力;具备职业素养意识和创新意识,为以后从事人工智能技术应用开发奠定基础。
(二)课程教学目标
根据学习目标,本课程的教学目标如表1所示。
表 SEQ 表 \* ARABIC 1 本课程所支持的专业能力和教学目标
课程对应的专业毕业要求
权重分配
课程对应的专业核心能力指标
教学目标
RGZNA专业能力:
熟练运用从事数据标注以及人工智能应用程序的编码、测试、维护等活动所需的知识、技能和工
具。
50%
RGZNA3:掌握开发人工智能应用程序的知识、技能和工具,能够熟练应用于人工智能应用开发等专业活动;
AOB1:能够理解机器学习的应用背景并搭建机器学习开发环境;能够使用NumPy、SciPy、Pandas和Matplotlib等编程库进行数据计算、数据清洗、数据可视化等操作。
AOB2:能够使用sklearn编程库中线性分类
器、支持向量机、朴素贝叶斯、K近邻、决策树、集成方法等模型实现分类学习。
AOB3:能够使用sklearn编程库中线性回归
器、支持向量机回归、K近邻回归、回归树、集成方法等模型实现回归预测。
AOB4:能够使用sklearn编程库中无监督学习模型实现数据聚类、特征降维、异常检测。
AOB5:能够使用sklearn编程库中模型实用技巧实现特征提升、模型正则化、模型检验、超参数搜索;学会使用NLTK、Word2Vec、XGBoost等模型库。
RGZNB问题解决:能够识别、分析、解决数据标注以及人工智能应用程序的编码、测试、维护等活动中的常见技术问题。
40%
RGZNB2:能够运用人工智能应用开发的相关技术和知识,对开发过程中出现的常见问题进行识别、分析和解决。
BOB1:能够识别、分析和解决环境配置、使用NumPy、SciPy、Pandas和Matplotlib等编程库时遇到的问题。
BOB2:能够识别、分析和解决线性分类器、支持向量机、朴素贝叶斯、K近邻、决策树、集成方法等模型时出现的问题。
BOB3:能够识别、分析和解决线性回归器、支持向量机回归、K近邻回归、回归树、集成方法等模型等模型时出现的问题。
BOB4:能够识别、分析和解决使用监督学习模型时出现的问题。
BOB5:能够识别、分析和解决特征提升、模型正则化、模型检验、超参数搜索、使用XGBoost等编程库时出现的问题。
RGZNH创新能力:
能够具备问题探究和创新意识,了解基本的创新方法。
10%
RGZNH1:能够具备问题探究和创新意识,了解基本的创新方法。
HOB1:能够具备问题探究意识,能够分析对比不同解决方案的优劣点,并提出合理化建议。
合计
100%
(三)教学内容组织
表 SEQ 表 \* ARABIC 2 教学内容组织
单元
名称
对应的教学目标编号
教学内容
重点
难点
教学策略
1、
Python编程库
AOB1
1、演示环境安装及配置
2、组织学生练习环境
安装及配置
3、讲解为什么使用Python
4、介绍NumPy & SciPy
编程库
5、介绍Matplotlib
编程库
6、介绍Scikit-learn
编程库
7、介绍Pandas编程库
8、组织学生通过实验练
习编程库的使用(实验一 良/恶性乳腺癌肿瘤预测)
Numpy
Matplotlib
Pandas
Pandas
一体化教学
课堂讲授
教师演示
学生练习
BOB1
HOB1
2、分类
学习
AOB2
1、讲解机器学习任务、经验、性能的概念
讲解线性分类器的原
理与应用
3、讲解支持向量机分类的原理与应用
讲解朴素贝叶斯分类
的原理与应用
讲解K近邻分类的原
理与应用
6、讲解决策树分类的原理与应用
7、讲解集成模型分类的原理与应用
8、组织学生通过实验练
习分类学习方法(实验二 手写体数字识别)
分类模型的使用
分类模型参数的含义及
文档评论(0)