《机器学习》授课计划.docVIP

PAGE PAGE 2 编号：Q/NJXX-QR-JX-29-2008 南京信息职业技术学院 学期授课计划 （[ ] /[ ]学年 第[ ]学期） 课 程 名 称：【】机器学习 教 学 部 门：人工智能学院 本学期计划学时：64学时 教 研 室： 任 课 教 师： 制 定 日 期： 年 月  教 材 全 称 名 称 编 者 出版社 版 次 主要教学参考书 名 称 编 者 教 学 模 式 常规教学 一体化教学 √ 项目式教学 其 它 周学时数 4 授课对象： 人工智能1901 学期总时数 64 教 学 手 段 及 课 时 分 配 讲 授 32 实 验 18 技能训练 12 教学目标： 本课程适用于学习Python语言并利用此语言进行机器学习应用的开发。课程主要围绕分类、回归、聚类等问题，结合实例“良/恶性乳腺癌肿瘤预测”、“手写体数字图片识别”和“美国波士顿地区房价预测”等案例展开，由浅入深地介绍案例中用到的Python数据处理、机器学习算法、Scikit-learn平台库函数以及性能评价。 学生通过本课程的学习，理解经典的机器学习算法，掌握Scikit-learn平台的使用，使学生能基于Python语言和Scikit-learn平台实现机器学习的应用开发。 现场教学 视频教学 习题课 编制说明： 本课程在教学过程中可能会根据学生的实际情况作适当的调整。 机 动 2 教研室主任 教学部门负责人 教务处长  授课顺序 授 课 章 节 授课时数 课外作业 (题号或题数) 教学 手段 1 1．1 机器学习综述 1．3 Python环境配置 2 讲授 2 1．4 Python编程基础 6 讲授+技能训练 3 实验一 良/恶性乳腺癌肿瘤预测 2 实验报告 实验 4 2．1．1 分类学习 2．1．1．1 线性分类器 2 讲授+技能训练 5 2．1．1．2 支持向量机分类 2 讲授+技能训练 6 2．1．1．3 朴素贝叶斯分类 2 讲授+技能训练 7 2．1．1．4 K近邻分类 2 讲授+技能训练 8 2．1．1．5 决策树分类 2 讲授+技能训练 9 2．1．1．6 集成模型分类 2 讲授+技能训练 10 实验二 手写体数字识别 2 实验报告 实验 11 2．1．2 回归预测 2．1．2．1 线性回归器 2 讲授+技能训练 12 2．1．2．2 支持向量机回归 2 讲授+技能训练 13 2．1．2．3 K近邻回归 2 讲授+技能训练 14 2．1．2．4 回归树 2．1．2．5 集成回归 2 讲授+技能训练 15 实验三 波士顿房价预测 2 实验报告 实验 16 2.2 无监督学习经典模型 2.2.1 数据聚类 2 讲授 17 实验四 手写体数字图像聚类 2 实验报告 实验 18 2.2.2 特征降维 2 讲授 19 实验五 手写体数字图像特征降维 2 实验报告 实验 20 异常检测 2 讲授+技能训练 21 3.1 模型实用技巧 3.1.1 特征提升 2 讲授 22 实验六 文本数据特征抽取及向量化 2 实验报告 实验 23 3.1.2 模型正则化 3.1.3 模型检验 3.1.4 超参数搜索 2 讲授 24 实验七 文本分类超参数搜索 2 实验报告 实验 25 3.2 流行库/模型实践 3.2.1 自然语言处理包 3.2.2 词向量技术 2 讲授 26 实验八 文本数据词袋法向量表示 2 实验报告 实验 27 3.2.3 XGBoost模型 2 讲授 28 实验九 泰坦尼克号乘客是否生还预测 2 实验报告 实验 29 复习+机动 4 讲授