《机器学习项目开发实战》-教案 项目四任务一 项目背景与目标

《机器学习项目开发实战》课程教学设计课程名称机器学习课程类型专业基础课课程学时64适用专业人工智能、大数据、云计算课程负责人曹梦川软件学院人工智能教研室制定二〇二五年一月《机器学习项目开发实战》课程教学设计课程类别：□公共基础课□专业学习课□拓展学习课☑实践学习课标题：项目四任务一项目背景与目标授课班级：24人工智能课时：2课时授课时间：周五1-4节授课地点：A101教学目标知识目标能力（技能）目标素质目标1.掌握客户市场细分的基本定义、步骤及其在商业中的应用。2.掌握无监督学习的定义、特点及其在市场细分中的应用价值。3.了解聚类分析的基本原理、分类及其选择等。1.能够分析客户市场细分项目的需求，明确项目目标。2.能够收集整理客户市场行为数据。3.能够根据项目需求选择合适的聚类方法进行分析。1.培养学生的数据敏感性，提高对数据价值的认识。2.培养学生团队合作的能力和沟通能力。3.培养学生商业洞察力，能够把数据中的信息应用于实际业务场景。教学重点掌握无监督学习的原理和分类。掌握聚类算法的原理和分类，能够根据实际情况选择合适的聚类算法。教学难点掌握无监督学习的原理和分类。掌握聚类算法的原理和分类，能够根据实际情况选择合适的聚类算法。教学方法与手段教学采用教师课堂讲授为主，使用教学PPT讲解教学教材教材：教学资源1.智慧课堂2.教材附带慕课课程思政融入点1.课程思政融入点1：数据预处理中的科学诚信与客观精神课程内容：讲解客户数据清洗（如缺失值处理、异常值识别）、特征选择（如剔除无关变量、避免数据偏差）在市场细分中的基础作用。思政融入点：强调“数据是市场细分的基石”，引导学生认识到篡改数据、选择性保留样本等行为会导致细分结果失真，违背“实事求是”的科学原则。通过规范数据预处理流程，培养“尊重原始数据、不主观臆断”的诚信意识，树立“用客观数据说话”的理性思维，反对为迎合预设结论而操纵数据的浮躁心态。2.课程思政融入点2：市场细分结果应用中的责任意识与伦理底线课程内容：讲解客户市场细分在精准营销（如个性化服务推送）、产品优化（如针对不同群体设计功能）等场景的落地。思政融入点：强调“细分不是标签化，而是为了更好地满足需求”，引导学生警惕将客户群体简单归类可能引发的歧视（如价格歧视、服务差别对待），树立“技术服务于公平交易”的伦理意识。通过分析细分结果对客户权益的影响，培养“尊重个体差异、拒绝过度商业化”的责任担当，将技术应用与“保护消费者权益”的社会准则相结合。3.课程思政融入点3：算法选择与优化中的创新思维与务实态度课程内容：介绍无监督学习算法（如K-means、层次聚类）的适用场景，讲解算法参数调优（如确定最佳聚类数）、模型评估（如轮廓系数分析）的逻辑。思政融入点：以“没有万能算法，只有最适合的方案”为核心，引导学生理解“创新不是盲目追求复杂算法，而是基于实际需求选择并优化工具”。通过对比不同算法在客户细分中的效果差异，培养“具体问题具体分析”的务实态度，鼓励学生在借鉴经典算法的基础上，结合行业特点探索改进思路，传承“求真务实、勇于突破”的创新精神。教学过程设计教学环节（用时）教学内容教师活动学生活动设计意图课程导入（15分钟）教师通过提问学生问题，引出无监督学习。商家举办活动的依据是什么呢？购物网站是怎么实现商品推荐的呢（对比监督学习）？明确本节课的学习目标，让学生带着目标去听课。要求学生了解无监督学习的原理和分类；要求学生了解聚类算法的原理和分类；教师通过提问学生问题，引出数据分析应用场景集体讨论回答问题引入新课内容新知讲解（一）（75分钟）教师结合课件，采用课堂提问的形式，讲解客户市场细分的定义和重要性。教师根据课件，讲述无监督学习的原理和分类（可对比监督学习）。教师根据课件，讲述聚类算法的原理和分类。教师结合课件讲述数据预处理的常见数据异常类型。教师结合课件讲述数据探索方式，描述性统计和数据可视化。教师结合课件讲解常用数据处理库，Pandas库、Matplotlib库、Seaborn库等通过课互动的形式讲解客户时长细分的定义和重要性。通过课件讲述无监督学习的原理和分类。通过课件讲述聚类算法的原理和分类。线上头脑风暴线上一句话答题步骤总结回答新知讲解实训演练（80分钟）回顾上课前的学习目标，并对本节课的重要知识点进行总结。教师根据课件，介绍项目背景和项目目标。教师根据课件，介绍实训数据特点。教师结合课件讲解数据探索命令及其效果。教师根据课件，讲解数据可视化步骤和效果。教师演示数据预处理步骤及效果。带领学生开始本次实践：进行数据获取与数据预处理。2.巡回检查，解答学生问题，并总结本次实践发现问题。1.跟随教师完成本