《機器學習》課程標準

《機器學習》課程標準一、課程概述1.課程性質《機器學習》是人工智能技術服務專業(yè)針對人工智能產(chǎn)業(yè)及其應用相關的企事業(yè)單位的人工智能技術應用開發(fā)、系統(tǒng)運維、產(chǎn)品營銷、技術支持等崗位，經(jīng)過對企業(yè)崗位典型工作任務的調研和分析后，歸納總結出來的為適應人工智能產(chǎn)品開發(fā)與測試、數(shù)據(jù)處理、系統(tǒng)運維等能力要求而設置的一門專業(yè)核心課程。2.課程任務《機器學習》課程通過與機器學習算法應用程序開發(fā)相關的實際項目學習，增強學生對本專業(yè)數(shù)據(jù)挖掘與機器學習知識的認識，訓練他們養(yǎng)成良好的編程習慣，理解并掌握回歸分析、神經(jīng)網(wǎng)絡、支持向量機、聚類、降維、大規(guī)模機器學習等內容，構建計算思維，初步具備數(shù)據(jù)挖掘與機器學習應用算法的開發(fā)能力，從而滿足企業(yè)對相應崗位的職業(yè)能力需求。3.課程要求通過課程的學習培養(yǎng)學生數(shù)據(jù)挖掘與機器學習算法應用方面的崗位職業(yè)能力，分析問題、解決問題的能力，養(yǎng)成良好的職業(yè)道德，為后續(xù)課程的學習打下堅實的基礎。二、教學目標（一）知識目標（1）了解機器學習的概念，了解機器學習目前的應用領域；（2）掌握成本函數(shù)和梯度下降算法，學會用正則化構建回歸模型并避免過擬合；（3）理解神經(jīng)網(wǎng)絡的工作原理，體會不同部分在神經(jīng)網(wǎng)絡中的作用，學會將梯度檢驗以及其他高級優(yōu)化方法應用于神經(jīng)網(wǎng)絡的構建中；（4）理解大間距分類器的概念，理解支持向量機與邏輯回歸的關系，掌握其實現(xiàn)方法；（5）理解監(jiān)督學習和無監(jiān)督學習的區(qū)別，掌握K均值算法的構建；（6）明白降維的重要性，學會主程序分析算法壓縮數(shù)據(jù)；（7）理解大數(shù)據(jù)機器學習的特點，掌握其算法應用的一般方法；（二）能力目標（1）會識讀程序流程圖，能看懂案例程序代碼；（2）會使用Python語言（MATLAB語言）實現(xiàn)“機器學習”常規(guī)算法；（3）能按照任務要求，設計程序流程圖，編寫程序代碼；（4）能夠根據(jù)系統(tǒng)功能要求對程序進行調試；（5）能夠對所編寫的程序故障進行分析，提出解決方案并進行故障排除；（6）能根據(jù)系統(tǒng)工作情況，提出合理的改造方案，組織技術改造工作、繪制程序流程圖、提出工藝要求、編制技術文件。（三）素質目標（1）培養(yǎng)學生的溝通能力及團隊協(xié)作精神。（2）培養(yǎng)學生分析問題、解決問題的能力。（3）培養(yǎng)學生勇于創(chuàng)新、敬業(yè)樂業(yè)的工作作風。（4）培養(yǎng)學生的自我管理、自我約束能力。（5）培養(yǎng)學生的環(huán)保意識、質量意識、安全意識。三、與前后課程的聯(lián)系1．與前續(xù)課程的聯(lián)系《C語言程序設計》使學生具備了面向過程編程的基本能力。《Python語言程序設計》使學生具備了面向對象編程和AI應用程序開發(fā)的基本能力?！赌Ｊ阶R別》使學生具備了智能感知與識別算法應用的基本能力?！哆吘売嬎恪肥箤W生具備了基于云、邊、端協(xié)同的邊緣計算應用基本能力。2．與后繼課程的關系為學生后續(xù)課程《畢業(yè)設計與答辯》等課程打下專業(yè)基礎。四、教學內容與學時分配根據(jù)職業(yè)崗位AI程序員與AI設備運維技術員的要求，將本課程的教學內容分解為7個教學單元。表1課程項目結構與學時分配表序號課題主要教學內容教學目標學時備注1課程概述1.機器學習的基本概念2.機器學習目前的用途1.了解機器學習的概念2.了解機器學習目前的應用領域22回歸1.線性回歸2.成本函數(shù)3.梯度下降算法4.分類與邊界5.邏輯回歸6.過擬合對機器學習的影響1.掌握成本函數(shù)和梯度下降算法2.學會用正則化構建回歸模型并避免過擬合6理實一體3神經(jīng)網(wǎng)絡1.神經(jīng)網(wǎng)絡模型的概念2.特征和樣本的概念3.神經(jīng)網(wǎng)絡中的代價函數(shù)4.反向傳播算法和梯度檢驗5.隨機初始化6.構建并訓練優(yōu)化神經(jīng)網(wǎng)絡1.理解神經(jīng)網(wǎng)絡的工作原理2.體會不同部分在神經(jīng)網(wǎng)絡中的作用3.學會將梯度檢驗以及其他高級優(yōu)化方法應用于神經(jīng)網(wǎng)絡的構建中6理實一體4支持向量機1.間隔和超平面的概念2.支持向量的概念3.核函數(shù)的概念4.支持向量機的概念5.支持向量機的應用1.理解大間距分類器的概念2.理解支持向量機與邏輯回歸的關系3.掌握其實現(xiàn)方法6理實一體5聚類1.無監(jiān)督學習的概念2.K均值算法的構建和應用3.K均值算法的優(yōu)化目標4.隨機初始化的方法5.選取聚類數(shù)的方法6.數(shù)據(jù)挖掘的概念1.理解監(jiān)督學習和無監(jiān)督學習的區(qū)別2.掌握K均值算法的構建6理實一體6降維1.高維數(shù)據(jù)壓縮前后使用的不同2.降維的概念3.主成分分析算法的概念4.利用主成分分析算法壓縮數(shù)據(jù)維度5.重建壓縮后的數(shù)據(jù)1.明白降維的重要性2.學會主程序分析算法壓縮數(shù)據(jù)6理實一體7大規(guī)模機器學習1.大數(shù)據(jù)機器學習的特點2.大數(shù)據(jù)機器學習與普通機器學習的區(qū)別3.隨機梯度下降法4.小批量梯度下降法5.隨機梯度收斂法6.大數(shù)據(jù)機器學習的應用1.理解大數(shù)據(jù)機器學習的特點2.掌握其算法應用的一般方法12理實一體8機動1.“機器圍棋”案例展示1.了解機器學習技術應用的前沿29期末考試（閉卷）鞏固學習內容，檢測學習情況2合計48五、教材的選用1．教材選取的原則按照規(guī)定選用與課程標準相配套的高職規(guī)劃優(yōu)質教材，禁止不合格的教材進入課堂。建立了由專業(yè)教師、行業(yè)專家和教研人員等參與的教材選用機構，完善教材選用制度，經(jīng)過規(guī)范程序擇優(yōu)選用教材。2．推薦教材《Python機器學習》，SebastianRaschka著．機械工業(yè)出版社，2018年。六、教師要求專任教師具有高校教師資格和本專業(yè)職業(yè)資格或技能等級證書；有理想信念、有良好職業(yè)道德、有扎實學識、有仁愛之心；具有計算機等相關專業(yè)本科及以上學歷；具有扎實Python語言程序開發(fā)理論和利用Python語言開發(fā)機器學習應用案例的實踐能力；具有較強的信息化資源應用和開發(fā)能力。兼任教師主要從相關企業(yè)聘任，具備良好的思想政治素質、職業(yè)道德和工匠精神，具有扎實的機器學習應用案例開發(fā)專業(yè)知識和豐富的實際工作經(jīng)驗，具有中級及以上相關專業(yè)技術職稱，能承擔本課程教學、實習實訓指導等教學任務。七、學習場地、設施要求多媒體教室、實訓教室、白板、黑板、相關工具、相關量具等。八、課程資源的開發(fā)與利用積極開發(fā)和利用網(wǎng)絡教學資源：課程標準、實訓指導書、授課計劃、電子教案、教學資源庫等教學文件，及多媒體教學課件、習題、案例庫、試題庫、網(wǎng)絡方案、布線標準、工具軟件、國家級或省級精品在線開放課程等資源。建立互動交流網(wǎng)絡平臺。九、考核標準與方式職業(yè)教育培養(yǎng)高素質技術技能型人才，不但要重視學生職業(yè)技能和職業(yè)素養(yǎng)培養(yǎng)，還要求學生掌握一定的專業(yè)基礎理論知識，以利于今后可持續(xù)發(fā)展。因此需要加強理論知識、職業(yè)技能和職業(yè)素養(yǎng)等方面的考核評定。本課程采用過程性評價和終結性評價相結合的方法進行，既有理論知識考核，又有學生學習態(tài)度、思維能力、動手能力、解決問題的能力等方面的綜合考核，具體評價方法和內容見表3。表2《機器學習》課程評價方法和內容考核類型考核方式考核內容理論知識（50%）過程性考核（10%）課堂提問、課堂紀律、平時作業(yè)、單元測試等終結性考核（40%）期末閉卷理論考試，評價知識目標達成程度。重點考核回歸分析、神經(jīng)網(wǎng)絡、支持向量機、聚類、降維、大規(guī)模機器學習等知識。職業(yè)技能（40%）過程性考核（10%）實訓表現(xiàn)、實際操