机器学习与数据挖掘（基于Python）教学计划

教学进度和计划表（至学年第学期）第1周2第1章1.1-1.2课程导学、机器学习定义、类型、数据挖掘概念与过程建立课程整体认知，理解机器学习与数据挖掘关系重点：机器学习类型与数据挖掘流程；难点：概念区分课堂讲授+课堂讨论作业一：机器学习类型总结第1周2*实验一Python环境搭建、JupyterNotebook使用掌握课程所需编程环境重点：环境配置；难点：包管理上机实训在线测试：Python基础语法第2周2第1章1.3-1.5、第2章2.1机器学习与数据挖掘协同、学习路线；Python基础回顾明确学习路径，夯实Python基础重点：学习路线规划；难点：Python模块化编程课堂讲授+案例演示作业二：Python函数与模块练习第2周2*实验二：NumPy数组操作与矩阵运算掌握NumPy核心操作重点：ndarray对象；难点：广播机制上机实训综合练习：矩阵运算实现线性回归第3周2第2章2.2-2.3Pandas数据处理、Matplotlib/Seaborn可视化掌握数据清洗与可视化方法重点：Pandas数据操作；难点：Seaborn高级绘图课堂讲授+演示作业三：数据可视化报告第3周2*实验三数据预处理实战（缺失值、异常值处理）掌握数据清洗全流程重点：缺失值处理策略；难点：数据规范化上机实训小组合作：泰坦尼克数据集预处理第4周2第3章3.1-3.2数据收集、质量控制、数据清洗流程理解数据质量对模型的影响重点：质量控制方法；难点：清洗策略选择课堂讲授+案例分析在线测试：数据清洗流程设计第4周2*实验四特征工程与特征选择掌握特征工程核心方法重点：特征选择方法；难点：嵌入式方法实现上机实训作业四：特征重要性分析报告第5周2第4章4.1线性回归原理、最小二乘法、梯度下降理解回归算法数学基础重点：梯度下降优化；难点：最小二乘推导课堂讲授+公式推导在线视频学习、作业五：梯度下降实现第5周2*实验五波士顿房价预测项目（线性回归）实现完整回归项目流程重点：模型评估指标；难点：过拟合诊断上机实训综合练习：模型评估与可视化第6周2第4章4.2-4.3岭回归、Lasso回归、正则化原理掌握正则化防止过拟合重点：L1/L2正则化；难点：弹性网络课堂讲授+对比实验在线测试：正则化参数调优第6周2*实验六对比实验：不同回归模型性能分析实践模型比较方法重点：交叉验证；难点：偏差-方差权衡上机实训小组合作：模型选择报告第7周2第5章5.1-5.2逻辑回归、KNN算法原理掌握分类算法核心思想重点：sigmoid函数；难点：K值选择课堂讲授+决策边界可视化作业六：实现KNN分类器第7周2*实验七手写数字识别（KNNvs逻辑回归）实践分类模型评估重点：混淆矩阵；难点：ROC曲线上机实训在线测试：分类指标计算第8周2第5章5.3-5.4朴素贝叶斯、决策树（ID3/C4.5/CART）理解决策树分裂准则重点：信息增益vs基尼指数；难点：剪枝策略课堂讲授+算法对比作业七：决策树剪枝实验第8周2*实验八垃圾邮件分类项目（贝叶斯vs决策树）实现端到端分类项目重点：文本特征提取；难点：TF-IDF调优上机实训综合练习：模型性能对比报告第9周2第5章5.5-5.6支持向量机原理、核函数技巧掌握SVM高维映射重点：核技巧；难点：软间隔参数课堂讲授+核函数可视化作业八：SVM参数调优第9周2*实验九人脸识别（PCA降维+SVM）实践降维与分类结合重点：PCA-SVMpipeline；难点：主成分解释上机实训小组合作：降维效果分析第10周2第6章6.1-6.3集成学习思想、Bagging/Boosting、Stacking理解模型融合优势重点：随机森林vsAdaBoost；难点：Stacking实现课堂讲授+算法动画演示在线测试：集成方法对比第10周2*实验十金融欺诈检测（XGBoostvsLightGBM）掌握高效集成工具重点：XGBoost调参；难点：类别不平衡处理上机实训综合练习：Kaggle实战提交第11周2第7章7.1-7.3K均值、DBSCAN、层次聚类理解无监督学习思想重点：K均值优化目标；难点：密度聚类参数课堂讲授+聚类效果可视化作业九：客户聚类分析报告第11周2*实验十一客户细分项目（聚类+可视化）实践聚类全流程重点：轮廓系数；难点：聚类数选择上机实训在线测试：聚类评价指标计算第12周2第8章8.1-8.2关联规则概念、Apriori/FP-Growth算法掌握频繁项集挖掘重点：支持度-置信度；难点：FP树构建课堂讲授+购物篮分析案例作业十：图书购买关联分析第12周2*实验十二超市购物篮分析（关联规则可视化）实践关联规则应用重点：规则解释；难点：lift指标理解上机实训小组合作：规则解释报告第13周2第9章9.1-9.2PCA降维、t-SNE可视化、自编码器简介掌握降维技术适用场景重点：PCAvst-SNE；难点：自编码器原理课堂讲授+降维效果对比作业十一：图像降维实验第13周2*实验十三手写数字降维可视化（PCAvst-SNE）实践高维数据可视化重点：降维参数调优；难点：结果解释上机实训综合练习：降维效果对比报告第14周2第10章10.1-10.2时间序列特性、ARIMA/Prophet模型掌握时序预测方法重点：季节性分解；难点：ARIMA参数选择课堂讲授+航空乘客数据演示在线测试：时间序列分解第14周2*实验十四航空乘客预测项目实践时序建模全流程重点：Prophet调参；难点：LSTM特征工程上机实训小组合作：预测结果对比报告第15周2第11章11.1-11.4综合项目流程：数据清理、EDA、特征工程、模型对比掌握完整项目方法论重点：EDA深度分析；难点：特征交互构造课堂讲授+Kaggle案例拆解作业十二：项目计划书撰写第15周2*实验十五综合项目实战（Kaggle房价预测或泰坦尼克）实现端到端项目重点：超参数优化；难点：模型解释性上机实训综合练习：模型调优报告第16周2第11章11.5-11.8模型解释、SHAP值分析、项目总结掌握模型可解释性重点：SHAP解释；难点：业务结论提炼课堂讲授+可解释AI案例最终项目答辩准备第16周2*实验十六最终项目答辩与代码审查验收学习成果重点：技术报告撰写；难点：创新点提炼上机实训提交项目报告与代码仓库第19周--全面评