《機器學習》課程教學大綱

《機器學習》教學大綱課程英文名Machinelearning課程代碼03M0135學分3總學時48理論學時48實驗/實踐學時0課程類別學科基礎(chǔ)課課程性質(zhì)選修先修課程數(shù)字信號處理、信號與系統(tǒng)適用專業(yè)電子信息工程開課學院信息工程學院一、課程地位與課程目標（一）課程地位機器學習是電子信息工程專業(yè)方向一門學科選修課程。機器學習是航天和航空、生物醫(yī)學工程、電子信息工程、工業(yè)和工程、軍事公安、文化藝術(shù)、機器人視覺、視頻和多媒體系統(tǒng)、科學可視化、電子商務(wù)等應(yīng)用共同需要的基礎(chǔ)技術(shù)，是電子技術(shù)、計算機技術(shù)和圖像處理技術(shù)的有機結(jié)合。本課程采用圖像處理、計算機編程、數(shù)據(jù)結(jié)構(gòu)、人工智能等知識，介紹經(jīng)典而常用的機器學習方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習等）等技術(shù)，以及在機器學習技術(shù)有智能交通、智能視頻、工業(yè)機器視覺等中的應(yīng)用。本課程可使學生:掌握信息獲取和處理的基本原理和應(yīng)用的一般方法，了解電子信息工程專業(yè)的前沿理論與發(fā)展現(xiàn)狀和趨勢，以及具備信號獲取與處理設(shè)計與實施工程實驗的能力，并能夠?qū)嶒灲Y(jié)果進行分析。為電子信息相關(guān)專業(yè)學生畢業(yè)后，從事智能交通、智能視頻監(jiān)控、工業(yè)機器視覺、機器人視覺等應(yīng)用行業(yè)打下堅實基礎(chǔ)。（二）課程目標1.了解機器學習的發(fā)展及其應(yīng)用領(lǐng)域、人工智能的基本概念，掌握機器學習中模型評估的基本方法。2.掌握經(jīng)典而常用的機器學習方法（決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習）等技術(shù)，具備圖像處理的基本能力3.了解深度學習等人工智能方法在圖像目標檢測、圖像識別、圖像超分辨力等中的最新應(yīng)用，具備查找跟蹤學習圖像目標檢測、圖像識別、圖像超分辨力的最新學術(shù)成果的能力，培養(yǎng)多視角看待、分析、解決問題的能力。二、課程目標達成的途徑與方法主要以課堂教學為主，結(jié)合課外作業(yè)和期末考試。三、課程目標與相關(guān)畢業(yè)要求的對應(yīng)關(guān)系課程目標課程目標對畢業(yè)要求的支撐程度（H、M、L）畢業(yè)要求1.1畢業(yè)要求1.2畢業(yè)要求2.1畢業(yè)要求2.2畢業(yè)要求2.3課程目標1H(0.1)H(0.1)課程目標2H(0.3)H(0.3)課程目標3H(0.2)四、課程主要內(nèi)容與基本要求1、機器學習的基本概念與模型評估了解機器學習的發(fā)展及其應(yīng)用領(lǐng)域、人工智能的基本概念，掌握機器學習中模型評估的基本方法，這部分是該課程的基本概念和知識點基礎(chǔ)，通過這部分的學習，能使學生了解機器學習，更快的入門，為后續(xù)學習機器學習的傳統(tǒng)而常見的技術(shù)打好基礎(chǔ)。2、機器學習的經(jīng)典而常見的方法熟悉決策樹、神經(jīng)網(wǎng)絡(luò)、支持向量機、貝葉斯分類器、集成學習、聚類、降維與度量學習等技術(shù)，具備圖像處理的基本能力，了解線性回歸，正則化，多分類學習，熟悉信息熵、信息增益，以及BP神經(jīng)網(wǎng)絡(luò)、深度學習，boosting，bagging與隨機森林等經(jīng)典算法，這部分是課程的主干部分，可為學生從事圖像處理工作奠定基礎(chǔ)。3、人工智能技術(shù)在圖像處理中的應(yīng)用了解機器學習等人工智能方法在圖像目標檢測、圖像識別、圖像超分辨力等中的最新應(yīng)用，具備查找、跟蹤與學習圖像目標檢測、圖像識別、圖像超分辨力的最新學術(shù)成果的能力，通過這部分的學習，能使學生對電子信息技術(shù)相關(guān)行業(yè)的國際狀況有基本了解，對人工智能與視頻圖像處理的最新技術(shù)有所了解，對培養(yǎng)學生的創(chuàng)新思維有一定的促進作用。五、課程學時安排章節(jié)號教學內(nèi)容學時數(shù)學生任務(wù)對應(yīng)課程目標1引言2課程目標12模型評估與選擇4作業(yè)2.1,2.2課程目標13線性模型4作業(yè)3.1,3.2,3.3課程目標24決策樹4作業(yè)4.1,4.2,4.3課程目標25神經(jīng)網(wǎng)絡(luò)6作業(yè)5.1,5.3,課程目標26支持向量機4作業(yè)6.1,6.2課程目標27貝葉斯分類器4作業(yè)7.1,7.3課程目標28集成學習6作業(yè)8.1,8.3課程目標29聚類4作業(yè)9.1,9.2課程目標210降維與度量學習6作業(yè)10.1,10.3課程目標211圖像處理頂級會議與期刊的論文4課程目標3六、實踐環(huán)節(jié)及基本要求無七、考核方式及成績評定考核內(nèi)容考核方式評定標準（依據(jù)）占總成績比例過程考核含到課率、課堂討論發(fā)言、平時作業(yè)等點名記錄討論發(fā)言記錄作業(yè)批改成績30%期末考核閉卷卷面成績70%考核類別考查成績登記方式百分制八、課程目標達成度評價方法課程目標權(quán)重成績評定課程目標1過程考核0.3過程考核A10期末考試0.7期末考試B10目標達成度1=（0.3*A1+0.7*B1）/（0.3*A10+0.7B10）課程目標2過程考核0.3過程考核A20期末考試0.7期末考試B20目標達成度2=（0.3*A2+0.7*B2）/（0.3*A20+0.7*B20）課程目標3過程考核0.3過程考核A30期末考試0.7期末考試B30目標達成度3=（0.3*A3+0.7*B3）/（0.3*A30+0.7*B30）九、推薦教材與主要參考書（一）推薦教材：1、周