机器学习原理及应用课程教学大纲

《机器学习》课程教学大纲

课程代码：

课程名称：机器学习

开课学期：

学分/学时：3/48

课程类型：必修

适用专业/开课对象：

先修课程：

开课单位：

团队负责人：责任教授：

执笔人：核准院长：

一、课程的性质、目的与任务

《机器学习》是新工科专业中的一门非常实用的课程，该课程以机器学习算法为主题，从理解其中涉及的数学理论以及Python实现常见的机器学习算法方向出发，主要内容包括含有分类和回归问题、集成学习框架、无监督算法、神经网络与深度学习这几部分常见的机器学习模式，以及包括K-Means算法分类、朴素贝叶斯分类器、逻辑回归、线性回归和决策树及SVM分类、多层感知机模型和随机森林模型、生成式对抗网络、人脸识别等Python机器学习项目的实现方法。

本课程的目的与任务是使学生通过本课程的学习，从机器学习的基本数学知识入手，循序渐进的学习Python机器学习项目的开发，并通过引入实际案例的学习，帮助学生更好的系统性学习机器学习，做到理论与实践相结合，方法

与应用相结合。本课程除要求学生掌握基础机器学习算法的运用，更重要的是要求学生拥有分析问题、解决问题的能力和学以致用的思想，为更深入地学习和今后的实践打下良好的基础。

二、教学内容及教学基本要求

1. 机器学习概述（2学时）

了解机器学习的组成；了解不同划分标准下的机器学习算法；理解分类问题和回归问题；理解监督学习、半监督学习和无监督学习；了解生成模型和判别模型；了解模型评估方法；了解正则化处理；了解并使用Python的sklearn模块；

2. 逻辑回归及最大熵模型（2学时）

了解并掌握线性回归，包括一元线性回归和多元线性回归；理解广义线性回归，包括逻辑回归、多分类逻辑回归和交叉熵损失函数；理解最大熵模型；了解并掌握分类问题的评价指标；实现一个简单的逻辑回归案例；

3. k-近邻算法（2学时）

理解k-近邻算法的数学思想；掌握实现k-近邻算法所需要的一般手段，包括k值的选取、距离的度量和快速检索；实现简单的k-近邻算法，并自主对比不同参数下的表现；

4. 决策树（2学时）

理解决策树算法的思想；了解并掌握特征选取中的不同度量及数学含义，包括信息增益和信息增益比；了解并掌握决策树生成算法CART；理解决策树剪枝，包括预剪枝和后剪枝及之间的区别；实现简单的决策树算法完成分类问题；

5. 朴素贝叶斯分类器（2学时）

理解极大似然估计；理解并掌握朴素贝叶斯分类；了解拉普拉斯平滑；了解朴素贝叶斯分类器和极大似然估计之间的联系；实现简单的朴素贝叶斯分类器完成垃圾信息分类问题；

6. 支持向量机（2学时）

理解支持向量机的核心思想；理解最大间隔及超平面的数学定义；理解线性可分支持向量机的数学实现；理解线性支持向量机的数学实现；了解合页损失函数；理解并掌握核技巧解决线性不可分问题；了解并掌握SVM算法解决二分类问题和多分类问题；实现简单的SVM模型完成分类问题；

7. 集成学习（4学时）

理解回归问题中的偏差与方差；理解Bagging的思想和数学实现；了解随机森林与Bagging之间的区别；理解并掌握Boosting的思路和AdaBoost的算法实现；了解提升树及各自的特点，包括残差提升树、GBDT和XGBoost；了解Stacking；实现GBDT模型完成房价预测问题；

8. EM算法及其应用（4学时）

理解并掌握EM算法的算法流程；了解高斯混合模型，结合案例理解数学实现；了解并掌握隐马尔科夫模型，包括核心思想、观测概率的计算、估计隐马尔可夫模型的参数和隐变量序列预测；实现高斯混合模型完成分类问题；

9.降维（4学时）

了解降维的目的；理解主成分分析的数学实现；理解并掌握主成分分析算法的流程，实现鸢尾花数据降维；了解奇异值分解；了解并掌握奇异值分解的用途和几何解释；实现利用奇异值分解将图片压缩；

10.聚类（2学时）

了解聚类的目的；理解不同的距离度量；了解并掌握层次聚类的算法流程；理解并掌握K-Means聚类的算法流程；理解并掌握K-Medoids聚类的算法流程；理解并掌握DBSCAN的算法流程和含义；实现K-Means模型完成鸢尾花数据聚类；

11.神经网络与深度学习（6学时）

理解神经元模型和各种激活函数；掌握多层感知机的组成；理解损失函数的数学含义；了解并掌握反向传播算法，包括梯度下降法的算法流程及梯度消失问题的解决办法；理解卷积神经网络，包括卷积、池化和网络结构；理解循环神经网络，了解LSTM；理解生成对抗网络的组成和算法流程；了解图卷积神经网络的数学含义；实现卷积神经网络完成手写数字的识别；

12. 实验（16学时）

教学说明及教学基本要求见《机器学习》实验教学大纲。

三、教学方法

本课程教学方法以教师为主导的启发式讲授教学法为主，讨论（提问）式教学为辅，结合课外学习的教学方法。实验以学生动手实验为主，教师的启发式讲授教学法为辅，并结合讨论（提问）式教学，以及结合课外学习的教学方法。

1．本课程概念较多，因此教学形式以讲授方式为主。本课程拟采用多媒体PPT 的教学方法，增加课堂信息，浅显通俗地对概念、定义和原理进行解释，增加教学的直观性，教学过程中注意各个知识点的关联性，以使学生更好地理解课程内容。

2．对课程中关键性概念、设计思想方面的问题可辅以课堂讨论的形式。

3．为加强和落实动手能力的培养，每章课后应安排作业，帮助学生学习和应用。

四、课内外教学环节及基本要求

本课程共48个学时，其中理论32个学时，讲授16周（每周2学时）；实验16个学时，讲授8周（每周2学时）。

课外学习要求：

1．做好课前预习，预习时以教材为主，了解相关的概念、定义、原理。预习中认真思考，以便带着问题主动地听课。

2．课后要复习，有余力的学生复习时还应阅读参考资料，认真整理课堂听课笔记。

3．要求学生课外自主学习，学生课外阅读的参考资料以本大纲所列参考资料为主。

五、考核内容及方式

本课程成绩由平时成绩和期末考核成绩组合而成，课程成绩以百分制计算，分配比例如下：

1．平时成绩占30%，主要考查作业的完成程度，理论课和实验课的出勤率，实验课的考试结果。其中作业占10%，实验占15%，出勤率占5%。

2．期末成绩占70%，采用考试的考核方式。考试采用闭卷形式，题型为选择题、正确/错误题、填空题、简答题，以及应用题。

六、持续改进

本课程根据学生作业、课堂讨论、平时考核情况和学生、教学督导等反馈，及时对教学中不足之处进行改进，并在下一轮课程教学中改进。