还剩2页未读,继续阅读
文本内容:
日震职业技木学葭学期授课计划([][]学年第]学期)2022/2023课程名称机器学习及应用教学部门电子信息工程系本学期计划学时学时96教研室人工智能教研室任课教师张永刚制定日期年月20228张霞、赵名称机器学习案例驱动教程编者磊教材全称出版社电子工业出版社版次主要教学参考书名称《机器学习》编者周志华常规教学一体化教学项目式教学V教学模式其它周学时数4授课对象人工智能、班202112学期总时数76讲授38教实验18学技能训练18教学目标本课程适用于学习语言并利用此语言进行手Python现场教学机器学习应用的开发课程主要围绕分类、回归、聚类等问题,结合实例“良/恶性乳腺癌肿瘤预测”、“手段视频教学写体数字图片识别”和“美国波士顿地区房价预测”等案例展开,由浅入深地介绍案例中用到的数据处及习题课Python理、机器学习算法、平台库函数以及性能评Scikit-learn价课学生通过本课程的学习,理解经典的机器学习算法,掌握平台的使用,使学生能基于语言时Scikit-learn Python和平台实现机器学习的应用开发Scikit-learn分编制说明本课程在教学过程中可能会根据学生的实际情况作酉己机动2适当的调整教研室主任孵部门负责人教务处长授课外作业课授课章节(题号或题教学手段顺授课数)序时数机器学习综述
1.1讲授12环境配置
1.3Python讲授+技能编程基础
21.4Python6训练实验一良/恶性乳腺癌肿瘤预测实验报告实验
322.
1.1分类学习讲授+技能42线性分类器训练
2.
1.
1.1讲授+技能支持向量机分类
52.
1.
1.22训练讲授+技能朴素贝叶斯分类
62.
1.
1.32训练讲授+技能近邻分类
72.
1.
1.4K2训练讲授+技能决策树分类
82.
1.
1.52训练讲授+技能集成模型分类
92.
1.
1.62训练实验二手写体数字识别实验报告实验102回归预测
2.
1.2讲授+技能112线性回归器训练
2.
1.
2.1讲授+技能支持向量机回归
122.
1.
2.22训练讲授+技能近邻回归
132.1,
2.3K2训练回归树
2.
1.
2.4讲授+技能142集成回归训练
2.
1.
2.5实验实验三波士顿房价预测实验报告152授课外作业课授课章节(题号或题教学手段顺授课数)序时数无监督学习经典模型
2.2讲授162数据聚类
2.
2.1实验四手写体数字图像聚类实验报告实验172特征降维讲授
182.
2.22实验五手写体数字图像特征降维实验报告实验192讲授+技能异常检测202训练模型实用技巧讲授
3.1212特征提升实验六文本数据特征抽取及向量化实验报告实验222模型正则化
3.
1.2讲授模型检验232超参数搜索
3.
1.4实验七文本分类超参数搜索实验报告实验242流行库/模型实践
3.2讲授自然语言处理包
3.
2.1252词向量技术
3.
2.2实验实验八文本数据词袋法向量表示实验报告262讲授模型
273.
2.3XGBoost2实验实验九泰坦尼克号乘客是否生还预测实验报告282讲授复习+机动294。