《机器学习》课程教学大纲 一、课程基本信息 课程代码：18110233 课程名称：机器学习 英文名称：Machine Learning 课程类别：专业课 时：48，实验学时20 学分：3 适用对象：软件工程、计算机科学与技术（实验区）和计算机科学与技术（人工 智能方向)本科专业 考核方式：考查 先修课程：高等数学、线性代数及概率论与数理统计 二、课程简介 中文简介 本课程是软件工程的专业选修课。机器学习属于人工智能的分支，本课程将 Python与机器学习有机地结合起来，Python介绍了Python基础语法、numpy、Pandas 和matplotlib的使用，机器学习介绍了KN、聚类、决策树和随机森林、朴素贝叶斯、 线性回归、逻辑回归和SVM算法。 英文简介 This course is a professional elective course of software engineering.Machine leaming is a branch of artificial intelligence.This course combines python with machine learning organically.Python introduces Python basic syntax,the use of numpy,pandas and matplotlib,and machine leaming introduces KNN,clustering,decision tree and random forest,naive Bayes,linear regression,logical regression and SVM algorithm. 三、课程性质与教学目的 课程属于专业选修课，它是当今人工智能教学过程的重要组成部分，是学生对所 学专业建立感性认识、巩固所学理论知识、培养专业技能和实际工作能力的重要环节。 通过课程的学习，学生可以深刻认识到人工智能是当前科技革命和产业变革的战略性 技术，可对国家经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影 响，进而激发学生刻苦学习，为建设社会主义现代化强国而奋斗
1 《机器学习》课程教学大纲 一、课程基本信息 课程代码：18110233 课程名称：机器学习 英文名称：Machine Learning 课程类别：专业课 学 时：48，实验学时 20 学 分：3 适用对象: 软件工程、计算机科学与技术（实验区）和计算机科学与技术（人工 智能方向）本科专业 考核方式：考查 先修课程：高等数学、线性代数及概率论与数理统计 二、课程简介 中文简介 本课程是软件工程的专业选修课。机器学习属于人工智能的分支，本课程将 Python 与机器学习有机地结合起来，Python 介绍了 Python 基础语法、numpy、Pandas 和 matplotlib 的使用，机器学习介绍了 KNN、聚类、决策树和随机森林、朴素贝叶斯、 线性回归、逻辑回归和 SVM 算法。 英文简介 This course is a professional elective course of software engineering. Machine learning is a branch of artificial intelligence. This course combines python with machine learning organically. Python introduces Python basic syntax, the use of numpy, pandas and matplotlib, and machine learning introduces KNN, clustering, decision tree and random forest, naive Bayes, linear regression, logical regression and SVM algorithm. 三、课程性质与教学目的 课程属于专业选修课，它是当今人工智能教学过程的重要组成部分，是学生对所 学专业建立感性认识、巩固所学理论知识、培养专业技能和实际工作能力的重要环节。 通过课程的学习，学生可以深刻认识到人工智能是当前科技革命和产业变革的战略性 技术，可对国家经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影 响，进而激发学生刻苦学习，为建设社会主义现代化强国而奋斗
四、教学内容及要求 第一章Pythor如开发环境搭建与编码规范 (一)目的与要求 1.了解Python的特点： 2.了解Python的应用领域： 3.掌握Python开发环境的搭建： 4.熟练使用IDLE和Anaconda3:的Jupyter Notebook与Spyder开发环境 5.熟练安装Python扩展库： 6.了解Python的编码规范： 7.熟练掌握Python标准库与扩展库对象的导入和使用。 8.通过学习Python基础，认识到“万丈高楼平地起”，只有在某领域打 好基础，才能在该领域取得辉煌成就。 (二)教学内容 第一节Python开发环境搭建与使用 第二节Python编码规范 第三节标准库、扩展库对象的导入与使用 (三)思考与实践 思考l:比较Python、M和Matlab三种语言的特点 思考2：比较Python2和Python3的一些区别。 (四)教学方法与手段 采用课堂讲授的方法，教学手段为PPT和代码演示。 第二章数据类型、运算符与内置函数 (一)目的与要求 1.掌握整数、浮点数、复数的运算 2。了解列表、元组、字典、集合、字符串的基本使用方法 3.熟练掌握各种运算符的用法： 4.理解加法运算符(+)对列表、元组、字符的连接作用： 5.理解列表、元组、字符串的大小比较的原理： 6.理解整除运算符(/)“向下取整”的运算特点： 7.理解集合运算的原理和相应的运算符用法： 8.理解关系运算符和逻辑运算符“惰性求值”的特点： 2
2 四、教学内容及要求 第一章 Python 开发环境搭建与编码规范 （一）目的与要求 1．了解 Python 的特点； 2．了解 Python 的应用领域； 3．掌握 Python 开发环境的搭建； 4．熟练使用 IDLE 和 Anaconda3 的 Jupyter Notebook 与 Spyder 开发环境； 5．熟练安装 Python 扩展库； 6．了解 Python 的编码规范； 7．熟练掌握 Python 标准库与扩展库对象的导入和使用。 8．通过学习 Python 基础，认识到“万丈高楼平地起”，只有在某领域打 好基础，才能在该领域取得辉煌成就。 （二）教学内容 第一节 Python 开发环境搭建与使用 第二节 Python 编码规范 第三节 标准库、扩展库对象的导入与使用 （三）思考与实践 思考 1：比较 Python、M 和 Matlab 三种语言的特点。 思考 2：比较 Python2 和 Python3 的一些区别。 （四）教学方法与手段 采用课堂讲授的方法，教学手段为 PPT 和代码演示。 第二章 数据类型、运算符与内置函数 （一）目的与要求 1. 掌握整数、浮点数、复数的运算； 2. 了解列表、元组、字典、集合、字符串的基本使用方法； 3. 熟练掌握各种运算符的用法； 4. 理解加法运算符（+）对列表、元组、字符的连接作用； 5. 理解列表、元组、字符串的大小比较的原理； 6. 理解整除运算符（//）“向下取整”的运算特点； 7. 理解集合运算的原理和相应的运算符用法； 8. 理解关系运算符和逻辑运算符“惰性求值”的特点；
9.熟练掌握常用的内置函数： 10.理解map0、reduce0和filter0函数的工作过程： 11. 理解Python函数式编程的特点。 (二)教学内容 第一节常用内置数据类型 第二节运算符与表达式 第三节常用内置函数 第四节综合应用与例题解析 (三)思考与实践 思考1：什么是惰性求值？ (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第三章列表、元组、字典、集合与字符串 (一)目的与要求 1.熟练掌握列表对象及其常用方法： 2.熟练掌握列表推导式语法和应用： 3.熟练掌握切片操作： 4.熟练掌握序列解包的语法和应用： 5.熟练掌握生成器表达式的语法和应用： 6.理解元组和列表的不同： 7.熟练掌握字典对象及其常用操作 8.熟练掌握集合对象及其常用操作： 9.熟练应用内容对象解决实际问题。 (二)教学内容 第一节列表与列表推导式 第二节元组与生成器表达式 第三节字典 第四节集合 第五节字符串常用方法 第六节综合应用与例题解析 (三)思考与实践
3 9. 熟练掌握常用的内置函数； 10. 理解 map()、reduce()和 filter()函数的工作过程； 11. 理解 Python 函数式编程的特点。 （二）教学内容 第一节 常用内置数据类型 第二节 运算符与表达式 第三节 常用内置函数 第四节 综合应用与例题解析 （三）思考与实践 思考 1：什么是惰性求值？ （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第三章 列表、元组、字典、集合与字符串 （一）目的与要求 1. 熟练掌握列表对象及其常用方法； 2. 熟练掌握列表推导式语法和应用； 3. 熟练掌握切片操作； 4. 熟练掌握序列解包的语法和应用； 5. 熟练掌握生成器表达式的语法和应用； 6. 理解元组和列表的不同； 7. 熟练掌握字典对象及其常用操作； 8. 熟练掌握集合对象及其常用操作； 9. 熟练应用内容对象解决实际问题。 （二）教学内容 第一节 列表与列表推导式 第二节 元组与生成器表达式 第三节 字典 第四节 集合 第五节 字符串常用方法 第六节 综合应用与例题解析 （三）思考与实践
思考1：什么是列表推导式和生成器表达式？ (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示 第四章选择结构、循环结构、函数定义与使用 (一)目的与要求 l.理解条件表达式的值与True或False的等价关系： 2.熟练掌握选择结构： 3.熟练掌握循环结构： 4 理解带else的循环结构的执行过程： 5.熟练学握函数的定义与使用： 6.熟练掌握lambda表达式的语法与应用： 7.理解递归函数的执行过程 8.理解嵌套定义函数的语法 (二)教学内容 第一节选择结构 第二节循环结构 第三节函数定义与使用 第四节综合应用与例题解析 (三)思考与实践 思考1：举例说明什么是位置参数、默认值参数、关键参数和可变长度参 数。 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第五章文件操作 (一)目的与要求 1.熟练学握内置函数open0的应用： 2.理解字符串编码格式对文本文件操作的影响 3.熟练掌握上下文管理语句with的用法： 4.了解标准库json对JSON文件的读写方法： 5.了解扩展库python--docx、openpyxl、python-pptx对Office文档
4 思考 1：什么是列表推导式和生成器表达式？ （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第四章 选择结构、循环结构、函数定义与使用 （一）目的与要求 1. 理解条件表达式的值与 True 或 False 的等价关系； 2. 熟练掌握选择结构； 3. 熟练掌握循环结构； 4. 理解带 else 的循环结构的执行过程； 5. 熟练掌握函数的定义与使用； 6. 熟练掌握 lambda 表达式的语法与应用； 7. 理解递归函数的执行过程； 8. 理解嵌套定义函数的语法。 （二）教学内容 第一节 选择结构 第二节 循环结构 第三节 函数定义与使用 第四节 综合应用与例题解析 （三）思考与实践 思考 1：举例说明什么是位置参数、默认值参数、关键参数和可变长度参 数。 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第五章 文件操作 （一）目的与要求 1. 熟练掌握内置函数 open()的应用； 2. 理解字符串编码格式对文本文件操作的影响； 3. 熟练掌握上下文管理语句 with 的用法； 4. 了解标准库 json 对 JSON 文件的读写方法； 5. 了解扩展库 python-docx、openpyxl、python-pptx 对 Office 文档
的操作 (二)教学内容 第一节文件操作基础 第二节JSON文件操作 第三节CSV文件操作 第四节Word、Excel、PowerPoint文件操作实战 (三)思考与实践 思考1：在对文件内容进行读写时，采用with块有何作用？ 实践l:实验项目一Python基础 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第六章numpy数组与矩阵运算 (一)目的与要求 .熟练掌握numpy数组相关运算 2.熟练使用numpy创建矩阵： 3.理解矩阵转置和乘法： 4.熟练计算数据的相关系数、方差、协方差、标准差： 5.理解并能够计算特征值与特征向量 6.理解可逆矩阵并能够计算矩阵的逆： 7.熟练求解线性方程组： 8.熟练计算向量和矩阵的范数 9.理解并计算奇异值分解。 (二)教学内容 第一节numpy数组及其运算 第二节矩阵生成与常用操作 第三节计算特征值与特征向量 第四节计算逆矩阵 第五节求解线性方程组 第六节计算向量和矩阵的范数 第七节奇异值分解 第八节函数向量化
5 的操作。 （二）教学内容 第一节 文件操作基础 第二节 JSON 文件操作 第三节 CSV 文件操作 第四节 Word、Excel、PowerPoint 文件操作实战 （三）思考与实践 思考 1：在对文件内容进行读写时，采用 with 块有何作用? 实践 1：实验项目一 Python 基础 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第六章 numpy 数组与矩阵运算 （一）目的与要求 1. 熟练掌握 numpy 数组相关运算； 2. 熟练使用 numpy 创建矩阵； 3. 理解矩阵转置和乘法； 4. 熟练计算数据的相关系数、方差、协方差、标准差； 5. 理解并能够计算特征值与特征向量； 6. 理解可逆矩阵并能够计算矩阵的逆； 7. 熟练求解线性方程组； 8. 熟练计算向量和矩阵的范数； 9. 理解并计算奇异值分解。 （二）教学内容 第一节 numpy 数组及其运算 第二节 矩阵生成与常用操作 第三节 计算特征值与特征向量 第四节 计算逆矩阵 第五节 求解线性方程组 第六节 计算向量和矩阵的范数 第七节 奇异值分解 第八节 函数向量化