版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
《机器学习与Python实践》教学大纲适用范围:202X版本科人才培养方案课程代码:22140142课程性质:专业必修课学分:1.5学分学时:24学时(实验24学时)先修课程:C程序设计B、机器视觉及图像处理等后续课程:毕业实习、毕业设计适用专业:机器人工程专业开课单位:智能工程学院一、课程说明《机器学习与Python实践》是机器人工程专业必修的一门专业必修课。本课程是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。本课程主要结合Python这一面向对象的脚本语言,实现机器学习的分类、聚类、回归、支持向量机、神经网络、深度学习等学习算法,机器学习与Python实践实验是一门实验课程,为学生以后从事技术工作打下必要的基础。本课程的教学旨在培养学生综合运用所学知识、解决实际问题的能力,注重培养学生独立思考和动手能力。二、课程目标通过本课程的学习,使学生达到如下目标:课程目标1:掌握机器学习理论及分类、聚类、回归、支持向量机、神经网络等学习算法。能够运用机器学习算法,根据具体工程问题,建立合适的机器人学习模型对问题进行分类和预测。课程目标2:使学生在全面了解Python面向对象软件编程思想,逐步培养学生应用计算机解决和处理实际问题的思维方法与基本能力,能够较正确而熟练地使用Python进行程序的设计;能够识读和编写较复杂程度的程序,掌握使用Python第三方库进行Python常规项目的开发,实现在机器人系统中机器学习的完美解决方案。课程目标3:培养具有良好的工程素养和严谨的工匠精神,针对特定需求,培养学生将现有的方法转换成自己的工具解决机器人实际工程实践的专业素养、知识与技能,能够综合运用机器学习算法,编写机器人程序,能够利用模型评估的度量方法改进和调整机器人模型,从而对新数据进行准确预测。课程目标4:培养学生严谨踏实、实事求是的科学态度和科学作风,具备较强的动手能力、分析解决问题能力及创新能力,树立全面质量管理意识,以及团队合作精神,为后续的机器人工程专业职业能力培养打下扎实基础。三、课程目标与毕业要求《机器学习与Python实践》课程教学目标对机器人工程专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度1.工程知识1.3掌握信号处理、控制理论、机器人工程等专业理论知识,用于解决分析机器人工程领域的复杂工程问题。课程目标1:掌握机器学习理论及分类、聚类、回归、支持向量机、神经网络等学习算法。能够运用机器学习算法,根据具体工程问题,建立合适的机器人学习模型对问题进行分类和预测。M2.问题分析2.2应用数学、物理等方法和专业知识,能够对机器人工程领域复杂工程问题进行建模。课程目标2:使学生在全面了解Python面向对象软件编程思想,逐步培养学生应用计算机解决和处理实际问题的思维方法与基本能力,能够较正确而熟练地使用Python进行程序的设计;能够识读和编写较复杂程度的程序,掌握使用Python第三方库进行Python常规项目的开发,实现在机器人系统中机器学习的完美解决方案。M4.研究4.2能够对机器人工程的复杂部件或控制装置进行合理描述、建模设计。课程目标3:培养具有良好的工程素养和严谨的工匠精神,针对特定需求,培养学生将现有的方法转换成自己的工具解决机器人实际工程实践的专业素养、知识与技能,能够综合运用机器学习算法,编写机器人程序,能够利用模型评估的度量方法改进和调整机器人模型,从而对新数据进行准确预测。课程目标4:培养学生严谨踏实、实事求是的科学态度和科学作风,具备较强的动手能力、分析解决问题能力及创新能力,树立全面质量管理意识,以及团队合作精神,为后续的机器人工程专业职业能力培养打下扎实基础。H注:表中“H(高)、M(中)”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配实验部分的教学内容、基本要求与学时分配见表2。表2实验项目、实验内容与学时实验项目实验内容和要求实验学时对应的课程目标1.Python语法基础实验内容:安装编程环境Python及sklearn、Numpy、Pandas、TensorFlow等工具包;Python语法基础练习。实验要求:熟练安装机器学习编程环境,能够掌握Python基础语法。21、22.Python语句结构实验内容:if语句,while语句,for语句,以及三种退出命令的用法。实验要求:熟练使用条件结构和循环结构并解决实际问题。21、23.Python复合数据类型实验内容:复合数据类型创建及使用。实验要求:熟练创建复合数据类型对象;能够对元素进行增删改。21、2、34.Python函数定义及调用实验内容:函数自定义及调用,不同类型形参使用方法,返回值的处理。实验要求:掌握函数定义及调用方法;理解形参与实参;掌握返回值的处理方法。21、2、35.Python面向对象程序设计实验内容:定义类与创建对象实验要求:了解什么是面向对象;掌握如何定义和使用类;掌握如何创建类的属性;掌握继承的基本语法;掌握方法重写。21、2、3、46.图形化界面开发实验内容:编程实现图形化界面开发。实验要求:掌握图形化界面设计开发方法。21、2、3、47.logistic回归算法Python实现及应用实验内容:编程实现logistic回归算法;使用梯度下降方式实现logistic回归分类。实验要求:熟悉logistic回归模型;能利用logistic回归模型分类;理解梯度下降算法,并将其用于logistic回归分类。21、2、3、48.K近邻算法Python实现及应用实验内容:编程实现K近邻法算法;分析欠拟合、过拟合与泛化能力及评估方法。实验要求:理解欠拟合、过拟合与泛化能力;理解泛化能力评估方法理解过拟合抑制的原理,掌握常用抑制方法;理解并掌握K近邻法。21、2、3、49.决策树算法Python实现及应用实验内容:编程构造决策树模型;实现决策树分类算法。实验要求:熟练掌握决策树的构造算法;能够理解并编程实现决策树的构造并能应用于分类问题。21、2、3、410.k均值算法Python实现及应用实验内容:编程实现K均值算法;利用K均值算法实现图像分割。实验要求:加深对非监督学习的理解和认识;能理解并编程实现K均值算法;能够利用K均值算法完成图像分割。21、2、3、411.DBSCAN算法Python实现及应用实验内容:DBSCAN算法及应用领域、参数的确定、派生算法OPTICS、簇间距离度量、AGNES算法。实验要求:理解密度聚类DBSCAN算法和OPTICS算法,掌握其应用方法,理解层次聚类AGNES算法,掌握其应用方法。21、2、3、412.基于神经网络识别手写数字实验内容:利用Python和Tensorflow进行数据集手写数字识别实验要求:掌握Tensorflow搭建神经网络方法;能够利用Python和Tensorflow进行数据集手写数字识别。21、2、3、4合计24五、教学方法及手段本课程教学以实验主,采用演示、启发式、讨论式教学等,教师引导,学生为主,结合学习通、慕课、雨课堂资源,配合多媒体课件等共同课完成实验教学内容。采用E-mail、QQ、微信等交流工具,加强和学生之间的交流和沟通。六、课程资源1.推荐教材:(1)郭羽含.Python机器学习[M].北京:机械工业出版社.2021.3.2.参考书:(1)周志华.机器学习[M].北京:清华大学出版社.2018.11.(2)黄勉.机器学习与Python实践[M].北京:人民邮电出版社.2021.1.(3)雷明.机器学习与应用[M].北京:机械工业出版社.2019.1.(4)王衡军.机器学习与深度学习[M].北京:清华大学出版社。2022.7.(5)叶维忠.Python编程从入门到精通[M].北京:人民邮电出版社,2019.2.(6)埃里克·马瑟斯[美].Python编程从入门到实践[M].北京:人民邮电出版社,2016年07.(7)WesleyChun[美],孙波翔李斌(译).Python核心编程[M].北京:人民邮电出版社,2018.12.3.期刊:(1)薛建波;谭凌岚;罗佳.基于Python混合编程.电子测试2018年12期.(2)JohannesSossenheimer.ASensorReducedMachineLearningApproachforCondition-basedEnergyMonitoringforMachineTools.Procedia2019.P570-575.(3)HarpreetSingh.AMachinelearningapproachtodetectfluidleakagefromreservoirusingonlyinjectionratesandbottomholepressures.JournalofNaturalGasScienceandEngineering.2019.(4)GunasekaranManogaran.MachinelearningalgorithmstowardsmergingofmobileedgecomputingandInternetofThings.ComputerNetworks.2019.4.网络资源:(1)/mic-position/248.html?jzl360a1.(2)http://zzb.zhizuobiao.vip/sem/Python/Python1.(3)https://www.P/.(4)https://www.P/.七、课程考核对课程目标的支撑本课程成绩由多个实验报告成绩的平均分评定。每份实验报告成绩由过程性考核成绩构成,分为实验预习、操作过程、结果分析三个阶段,具体考核/评价细则及对课程目标的支撑关系见表4。表4课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标1234过程性考核实验预习30(1)根据课堂出勤情况和实验预习情况进行考核。(2)在报告模板中,将分数段分为四级,依据完成程度不同在不同阶段打勾,批报告时给定总分。√√√√101064操作过程40(1)对每位学生的课堂表现、实验操作情况、小组协作情况进行评定。(2)对每位学生的实验操作结果和数据记录情况进行评定。(3)根据评定结果,在操作成绩栏对应的四等级处打勾,批报告时给定总分。√√√√10101010结果分析30(1)根据每位学生针对实验结果的总结、分析及问题回答情况进行评定。(2)根据评定结果,在操作成绩栏对应的四等级处打勾,并给定报告总分。√√√√101064合计:100分30302218八、考核与成绩评定1.考核方式及成绩评定考核方式:本课程主要以实验预习、操作过程、结果分析等方式对学生进行考核评价。考核基本要求:课程考核成绩由各次实验的平均成绩确定,其中单次实验成绩主要由实验预习、操作过程和结果分析三个方面评定,其比例为实验预习成绩占实验成绩的30%,操作过程成绩占实验成绩的40%,结果分析成绩占实验成绩的30%。单次实验成绩低于50分者,该份实验报告成绩不计入期末总评中,即该份报告成绩等同于0分。抄袭别人实验报告,证据确凿的,该份实验报告成绩记为0分。到期末成绩汇总时,未按规定及时上交的实验报告,该报告成绩记为0分。无故旷课,需按规定补做实验,该次实验报告记60分。无故旷课2次及以上或者缺失报告2份及以上,本学期期末总成绩为“缺考”。2.过程性考核成绩的标准
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 电视媒体节目效果绩效考核表
- 酒店业房务部服务反馈收集考核表
- 确认收到投标文件最终确认函(4篇)范文
- 紧急关于采购合同签订流程的商洽函5篇范本
- 电商平台直播带货选品与转化手册
- 小型创业团队财务危机预警与应对方案研究
- 电力行业变电运行值班员设备运行质量评估表
- 请求增加定单的商洽函7篇
- 油田钻井工人能源行业岗位绩效考核表
- 确认2026年业务合作框架及条件函6篇范文
- 大学管理岗位招聘考试试题及详细参考答案
- 2026年秋季开学学科教师家访工作培训课件
- 2026年网格员招聘笔试重点题库(350题)
- 时代新声·青年担当-高中学生会干部2026-2027学年度热点主题班会培训讲义
- 医德医风警示教育课件
- 妇科机器人保留生育功能手术
- DBJT15-60-2019 建筑地基基础检测规范
- T/CECS 10054-2019绿色建材评价钢质户门
- 《测绘工程管理与法规》课件-第三单元 测绘工程合同管理
- 初中文言文之字用法课件市公开课一等奖省赛课微课金奖课件
- 创新创业基础学习通超星期末考试答案章节答案2024年
评论
0/150
提交评论