课程目标4合计646442七、课程教材及主要参考资料教材屈婉玲，耿素云，张立昂．离散数学，北京：高等教育出版社．2015教学参考书[1]屈婉玲，耿素云，张立昂．离散数学学习指导与习题解。北京：高等教育出版社2008.[2]】（美）罗森著，袁承义等译：离散数学及其应用（原书第6版)．北京：机械工业出版社．2011[3］左孝凌，李为盤，刘永才．离散数学，上海：上海科学技术文献出版社。1982.[4]左孝凌．离散数学理论分析题解：上海：上海科学技术文献出版社.1998.[5]】B.Kolman等著，离散数学结构（第6版）（DiscreteMathematicalStructure）北京：高等教育出版社.2001八、其他说明离散数学是数学专业和计算机科学与工程专业的基础必修课程，它的先修课程是线性代数与数学分析，学生需要先学习完先修课程再来学习本课程。离散数学课程本身虽然能自成系统，相对独立，但是数学分析课程的严谨分析训练，非常有助于本课程理解，离散数学的后继课程设有“数据结构”，“数据库系统原理”等，并与“操作系统”，“软件工程”，“系统结构”等课程都紧密联系。通过这门课程的学习，将为数学专业和计算机科学与工程专业的学习打下坚实的基础。这门课程的学习也将为今后各专业课程的学习建立必要的知识储备，开阔学生的眼界、丰富知识的结构、培养学生的分析问题与解决问题的能力。没有离散数学课程的学习，将无法进行其它后续课程的学习。本课程教学过程可采用腾讯会议、微信群等辅助完成，29
29 课程目标 4 合 计 64 64 42 七、课程教材及主要参考资料 教材 屈婉玲，耿素云，张立昂．离散数学. 北京：高等教育出版社. 2015. 教学参考书 [1] 屈婉玲，耿素云，张立昂．离散数学学习指导与习题解.．北京：高等教育出版社. 2008. [2] （美）罗森著，袁承义等译 ．离散数学及其应用(原书第 6 版). 北京： 机械工 业出版社. 2011 . [3] 左孝凌，李为鑑，刘永才．离散数学．上海：上海科学技术文献出版社. 1982. [4]左孝凌．离散数学理论分析题解 ．上海：上海科学技术文献出版社.1998. [5] B.Kolman 等著 ．离散数学结构（第 6 版）（Discrete Mathematical Structure）. 北京：高等教育出版社.2001. 八、其他说明 离散数学是数学专业和计算机科学与工程专业的基础必修课程，它的先修课程是线性 代数与数学分析，学生需要先学习完先修课程再来学习本课程。 离散数学课程本身虽然能自成系统，相对独立，但是数学分析课程的严谨分析训练， 非常有助于本课程理解，离散数学的后继课程设有“数据结构”，“数据库系统原理”等， 并与“操作系统”，“软件工程”，“系统结构”等课程都紧密联系。通过这门课程的学习， 将为数学专业和计算机科学与工程专业的学习打下坚实的基础。这门课程的学习也将为今 后各专业课程的学习建立必要的知识储备，开阔学生的眼界、丰富知识的结构、培养学生 的分析问题与解决问题的能力。没有离散数学课程的学习，将无法进行其它后续课程的学 习。 本课程教学过程可采用腾讯会议、微信群等辅助完成
《机器学习》课程教学大纲(MachineLearning)执笔者：周燕审核人：钟昌乐编写日期：2022年8月课程基本信息适用专业计算机科学与技术开课单位电子信息学院工程学科基础课程课程类型否必修课是否为双语课程性质学分数2.5学分学时数总学时44，其中：实验学时12：课外学时0先修课程高等数学A、线性代数后续课程深度学习二、课程简述《机器学习》是计算机科学与技术专业的一门学科平台课程。本课程以概率、统计、代数等数学知识为基础，系统、全面地介绍了机器学习的基础知识、机器学习中经典而常用的算法以及机器学习在具体实践中的应用。本课程的目的和任务，是培养学生基本的分析能力与问题模型化能力，为学生今后在工作中应用机器学习算法解决实际问题打下基础。通过本课程的学习，使学生掌握机器学习的基本知识和原理，对算法原理和算法设计有初步认识，为学生进一步学习后续课程打下坚实基础，也锻炼了学生通过机器学习来分析和解决问题的能力。完成课程后，学生将熟悉机器学习的框架，并能使用相关算法解决实际问题。三、本课程所支撑的毕业要求（一）本课程内容与毕业要求指标点的对应关系毕业要求毕业要求指标点课程内容第1章机器学习概述2.4能综合运用数学、自然科学、计算第2章模型评估与选择机科学的基本原理并结合相关文献研第3章线性回归2问题分析究，对计算机领域的复杂工程问题的关键环节进行分析、解析、辨别，从而获第4章k近邻算法得有效结论。30
30 《机器学习》课程教学大纲 （Machine Learning） 执笔者：周燕 审核人：钟昌乐 编写日期：2022 年 8 月 一、课程基本信息 适用专业 计算机科学与技术 开课单位 电子信息学院 课程类型 工程学科基础课程 课程性质 必修课 是否为双语 否 学分数 2.5 学分 学时数 总学时 44，其中：实验学时 12；课外学时 0 先修课程 高等数学 A、线性代数 后续课程 深度学习 二、课程简述 《机器学习》是计算机科学与技术专业的一门学科平台课程。本课程以概率、统计、代 数等数学知识为基础，系统、全面地介绍了机器学习的基础知识、机器学习中经典而常用的 算法以及机器学习在具体实践中的应用。本课程的目的和任务，是培养学生基本的分析能力 与问题模型化能力，为学生今后在工作中应用机器学习算法解决实际问题打下基础。通过本 课程的学习，使学生掌握机器学习的基本知识和原理，对算法原理和算法设计有初步认识， 为学生进一步学习后续课程打下坚实基础，也锻炼了学生通过机器学习来分析和解决问题的 能力。完成课程后，学生将熟悉机器学习的框架，并能使用相关算法解决实际问题。 三、本课程所支撑的毕业要求 （一）本课程内容与毕业要求指标点的对应关系 毕业要求 毕业要求指标点 课程内容 2 问题分析 2.4 能综合运用数学、自然科学、计算 机科学的基本原理并结合相关文献研 究，对计算机领域的复杂工程问题的关 键环节进行分析、解析、辨别，从而获 得有效结论。 第 1 章 机器学习概述 第 2 章 模型评估与选择 第 3 章 线性回归 第 4 章 k 近邻算法
第5章聚类第6章支持向量机3设计/开发：3.3能够针对计算机领域的复杂工程第7章贝叶斯分类器解决方案问题进行设计，体现创新意识。第8章决策树第9章神经网络5.2能够合理选择技术、资源、现代工5使用现代程工具和信息技术工具，将其运用于系第10章特征工程工具统分析、设计、开发及测试过程中。（二）毕业要求指标点在本课程中的实现路径本课程通过设立若干课程目标来实现对毕业要求指标点的支撑。本课程的教学目标如下：课程且标1：具备利用机器学习知识分析现实问题的能力，能够针对具体问题，分析其特点并选用满足特定需求的机器学习算法进行评估和优化。课程目标2：掌握机器学习中的基本模型，能够自主根据实际问题的需要实现相关的算法。课程目标3：熟悉目前主流机器学习工具及架构，能够利用相关工具对实际问题进行分析，并能自主设计和开发满足现实问题的算法。课程目标对计算机科学与技术专业毕业要求的支撑关系支撑毕业要求毕业要求指标点课程目标权重2.4能综合运用数学、自然科学、计算机科学的基本原理并结合相关文献研究，对计算机领域的2问题分析课程目标1M复杂工程问题的关键环节进行分析、解析、辨别，从而获得有效结论。3设计/开发3.3能够针对计算机领域的复杂工程问题进行设课程目标2H解决方案计，体现创新意识。5.2能够合理选择技术、资源、现代工程工具和信5使用现代M息技术工具，将其运用于系统分析、设计、开发课程目标3工具及测试过程中。四、考核方式及成绩评定（一）考核目标本课程的命题考试将根据本大纲所规定的考试内容和考试目标来确定考试范围和考核要求。考试命题会覆盖各章，并适当突出重点章节，体现本课程的内容重点。主要是考核学生的实际算法理解能力和算法设计能力。（二）考核方式平时成绩、期末考试、课程实验等组合形式。（三）成绩评定成绩评定综合考虑学生平时成绩、期末考试、课程实验情况，其中期末考试成绩占50%，31
31 3 设计/开发 解决方案 3.3 能够针对计算机领域的复杂工程 问题进行设计，体现创新意识。 第 5 章 聚类 第 6 章 支持向量机 第 7 章 贝叶斯分类器 第 8 章 决策树 5 使 用 现 代 工具 5.2 能够合理选择技术、资源、现代工 程工具和信息技术工具，将其运用于系 统分析、设计、开发及测试过程中。 第 9 章 神经网络 第 10 章 特征工程 （二）毕业要求指标点在本课程中的实现路径 本课程通过设立若干课程目标来实现对毕业要求指标点的支撑。本课程的教学目标如下： 课程目标 1：具备利用机器学习知识分析现实问题的能力，能够针对具体问题，分析其 特点并选用满足特定需求的机器学习算法进行评估和优化。 课程目标 2：掌握机器学习中的基本模型，能够自主根据实际问题的需要实现相关的算 法。 课程目标 3：熟悉目前主流机器学习工具及架构，能够利用相关工具对实际问题进行分 析，并能自主设计和开发满足现实问题的算法。 课程目标对计算机科学与技术专业毕业要求的支撑关系 毕业要求 毕业要求指标点 课程目标 支撑 权重 2 问题分析 2.4 能综合运用数学、自然科学、计算机科学的 基本原理并结合相关文献研究，对计算机领域的 复杂工程问题的关键环节进行分析、解析、辨别， 从而获得有效结论。 课程目标 1 M 3 设计/开发 解决方案 3.3 能够针对计算机领域的复杂工程问题进行设 计，体现创新意识。 课程目标 2 H 5 使用现代 工具 5.2 能够合理选择技术、资源、现代工程工具和信 息技术工具，将其运用于系统分析、设计、开发 及测试过程中。 课程目标 3 M 四、考核方式及成绩评定 （一）考核目标 本课程的命题考试将根据本大纲所规定的考试内容和考试目标来确定考试范围和考核 要求。考试命题会覆盖各章，并适当突出重点章节，体现本课程的内容重点。主要是考核学 生的实际算法理解能力和算法设计能力。 （二）考核方式 平时成绩、期末考试、课程实验等组合形式。 （三）成绩评定 成绩评定综合考虑学生平时成绩、期末考试、课程实验情况，其中期末考试成绩占 50%
实验成绩占30%，平时成绩占20%（其中：平时作业占10%、大作业占10%）。期末考试根据教学大纲命题，采用闭卷考试的形式，时间为120分钟，卷面分值100分。考核环节平时成绩课程实验期末考试合计考核比例20%30%50%100%（3）平时成绩：有平时作业和大作业构成，占比分别为10%。1）平时作业：按个人作业的形式进行。作业题以验证性、应用性习题为主，每次以等级评定，再综合得出最终作业成绩（分数）。平时作业评分标准如下表所示。平时作业评分标准考核内容占比B良c中A优D及格E不及格(80-89)(<60)(90-100)(60-69)(70-79)知识及概念没有掌握知识及概念掌握较全知识及概念知识及概知识及概念知识及概掌握程度一掌握较全面，面，能够运念掌握程30%掌握全面，念，不会运能正确运用用，但没有般，并不能度运用得当用知识或考虑约束条正确运用理解方法件解题过程解题过程正解题过程较解题过程中解题过程基错误且不解题过程确、完整，正确、完整，存在错误，本正确、完完整，答案的正确逻辑性强，逻辑性较强，答案正确率70%整，答案正正确率低性、完整答案正确率答案正确率超过60%确率超过于60%性超过80%，书超过90%，70%书写清晰写清晰2）大作业：按小组任务的形式进行。大作业以综合性、设计性、创新性工程应用题目为主。大作业评分标准如下表所示。大作业评分标准考核内容占比A优B良c中D及格E不及格(80-89)(<60)(90-100)(70-79)(60-69)基本知识30%熟练掌握了本基本掌握了本基本掌握了基本了解本不了解本课点的理解课程的基本知课程的基本知本课程的核课程的核心程的知识与掌握识点，能够达识点，但存在心知识点，知识点，在指点，不知如到学以致用的某些盲点对核心知识导下能够应何应用水平点能够简单用本课程知应用识点项目代码20%项目运行结果项目运行结果项目运行结有项目运行项目运行结结果的运行结与要求一致，与要求基本一果与要求基果与要求不果正确与致，但存在小本一致一致，存在没有错误，甚否错误至比要求更加较大差别，完美错误比较多32
32 实验成绩占 30%，平时成绩占 20%（其中：平时作业占 10%、大作业占 10%）。期末考试根 据教学大纲命题，采用闭卷考试的形式，时间为 120 分钟，卷面分值 100 分。 考核环节 平时成绩 课程实验 期末考试 合计 考核比例 20% 30% 50% 100% （3）平时成绩：有平时作业和大作业构成，占比分别为 10%。 1）平时作业：按个人作业的形式进行。作业题以验证性、应用性习题为主，每次以 等级评定，再综合得出最终作业成绩（分数）。平时作业评分标准如下表所示。 平时作业评分标准 考核内容 占比 A 优 （90-100） B 良 （80-89） C 中 （70-79） D 及格 （60-69） E 不及格 （<60） 知识及概 念掌握程 度 30% 知识及概念 掌握全面， 运用得当 知识及概念 掌握较全面， 能正确运用 知识及概念 掌握较全 面，能够运 用，但没有 考虑约束条 件 知识及概念 掌握程度一 般，并不能 正确运用 没有掌握 知识及概 念，不会运 用知识或 理解方法 解题过程 的正确 性、完整 性 70% 解题过程正 确、完整， 逻辑性强， 答案正确率 超过 90%， 书写清晰 解题过程较 正确、完整， 逻辑性较强， 答案正确率 超过 80%，书 写清晰 解题过程基 本正确、完 整，答案正 确率超过 70% 解题过程中 存在错误， 答案正确率 超过 60% 解题过程 错误且不 完整，答案 正确率低 于 60% 2）大作业：按小组任务的形式进行。大作业以综合性、设计性、创新性工程应用题 目为主。大作业评分标准如下表所示。 大作业评分标准 考核内容 占比 A 优 （90-100） B 良 （80-89） C 中 （70-79） D 及格 （60-69） E 不及格 （<60） 基本知识 点的理解 与掌握 30% 熟练掌握了本 课程的基本知 识点，能够达 到学以致用的 水平 基本掌握了本 课程的基本知 识点，但存在 某些盲点 基本掌握了 本课程的核 心知识点， 对核心知识 点能够简单 应用 基本了解本 课程的核心 知识点，在指 导下能够应 用本课程知 识点 不了解本课 程的知识 点，不知如 何应用 项目代码 的运行结 果正确与 否 20% 项目运行结果 与要求一致， 没有错误，甚 至比要求更加 完美 项目运行结果 与要求基本一 致，但存在小 错误 项目运行结 果与要求基 本一致 有项目运行 结果 项目运行结 果与要求不 一致，存在 较大差别， 错误比较多
项目代码项目代码完项目代码比较项目代码比项目代码不20%有项目代码的完整性整、考虑全面、完整、考虑比较完整，有完整，存在与原创性基本都是原创较全面、具有原创性代码明显缺失，性代码一定的原创性代码粘贴痕代码迹明显解决复杂20%具备完整的解具有一定解决考虑了复杂有解决方案没有考虑复问题工程问题决复杂工程问复杂工程问题杂工程问题能力题能力能力团队协作10%团队协作的主有一定协作能在团队中按在团队中作完全不参与能力要负责人力，较好的完要求完成任用一般团队协作务成任务（2）课程实验：共12学时，具体内容及评分标准详见本课程实验教学大纲。（3）期末考试：采用单独命题的方式，由任课教师根据实际教学情况制定相应的试题参考答案及评分标准，并作为本课程的考核材料存档。（四）课程目标考核方案一览表考核说明：《课程目标考核方案一览表》表达的对应关系，用于证明学生是否达到课程目标的要求及评价相应的毕业要求指标点达成度。课程目标考核方案一览表课程支课程撑的毕考核考核原始目标考核内容考核形式小计业要求分值材料类型序号序号具备利用机器学习知识分析平时成绩电子版5课程现实问题的能力，能够针对2.4目标纸质版期末考试1530具体问题，分析其特点并选（电子版）1用满足特定需求的机器学习10课程实验电子版算法进行评估和优化。平时成绩电子版10课程掌握机器学习中的基本模纸质版目标20403.3型，能够自主根据实际问题期末考试（电子版）2的需要实现相关的算法。课程实验电子版10平时成绩电子版5熟悉目前主流机器学习工具课程及架构，能够利用相关工具纸质版305.2目标对实际问题进行分析，并能期末考试15（电子版）3自主设计和开发满足现实问题的算法。课程实验电子版10合计10033
33 项目代码 的完整性 与原创性 20% 项目代码完 整、考虑全面、 基本都是原创 性代码 项目代码比较 完整、考虑比 较全面、具有 一定的原创性 代码 项目代码比 较完整，有 原创性代码 有项目代码 项目代码不 完整，存在 明显缺失， 代码粘贴痕 迹明显 解决复杂 工程问题 能力 20% 具备完整的解 决复杂工程问 题能力 具有一定解决 复杂工程问题 能力 考虑了复杂 问题 有解决方案 没有考虑复 杂工程问题 团队协作 能力 10% 团队协作的主 要负责人 有一定协作能 力，较好的完 成任务 在团队中按 要求完成任 务 在团队中作 用一般 完全不参与 团队协作 （2）课程实验：共 12 学时，具体内容及评分标准详见本课程实验教学大纲。 （3）期末考试：采用单独命题的方式，由任课教师根据实际教学情况制定相应的试题 参考答案及评分标准，并作为本课程的考核材料存档。 （四）课程目标考核方案一览表 考核说明：《课程目标考核方案一览表》表达的对应关系，用于证明学生是否达到课程 目标的要求及评价相应的毕业要求指标点达成度。 课程目标考核方案一览表 课程支 撑的毕 业要求 序号 课程 目标 序号 考核内容 考核形式 考核原始 材料类型 考核 分值 小计 2.4 课程 目标 1 具备利用机器学习知识分析 现实问题的能力，能够针对 具体问题，分析其特点并选 用满足特定需求的机器学习 算法进行评估和优化。 平时成绩 电子版 5 期末考试 30 纸质版 （电子版） 15 课程实验 电子版 10 3.3 课程 目标 2 掌握机器学习中的基本模 型，能够自主根据实际问题 的需要实现相关的算法。 平时成绩 电子版 10 期末考试 40 纸质版 （电子版） 20 课程实验 电子版 10 5.2 课程 目标 3 熟悉目前主流机器学习工具 及架构，能够利用相关工具 对实际问题进行分析，并能 自主设计和开发满足现实问 题的算法。 平时成绩 电子版 5 期末考试 纸质版 30 （电子版） 15 课程实验 电子版 10 合计 100