《Machine Learning》 (机器学习) 课程教学大纲 课程基本信息 总学时 ☑理论课（含上机、实验学时） 课程类型 总周数 口实习口课程设计 口毕业设计 课程编码 L000501 总学时32学分2 课程名称 Machine Learning(机器学习) 课程英文名称Machine Learning 适用专业 电子信息工程（留学生）、电子信息工程（国际化培养班） 先修课程 高等数学、程序设计 开课部门信息学院电子工程系（电子信息） 二、 课程性质与目标 Machine Learning是电子信息工程本科留学生的专业方向选修课。使学生学 握常见机器学习算法，包括算法的主要思想和基本步骤，并通过典型应用实例加 深了解：同时对机器学习的一般理论有所了解。 课程目标1：学生应掌握机器学习基本原理及主要技能，包括基本概念、组 成及常用技能。 课程目标2：学生应能利用所学知识和技能解决实际问题，从而培养学生的 应用能力。 课程思政目标：基于学校高水平应用型大学的办学定位，针对课程特点，围 绕建立学习自信、珍惜青春年华、遵守网络安全规范、提升计算机文化和道德素 养、学好基础知识、为国家T事业建功立业等重点内容，设计学习理论指导下 的思政案例，优化课程思政内容供给，有机融入课堂讲授、课堂互动、上机实践 学习评价等各环节。 三、课程教学基本内容与要求 第1单元课程简介及编程基础 基本要求
1 《Machine Learning》 （机器学习） 课程教学大纲 一、 课程基本信息 课程类型 总学时 □√理论课（含上机、实验学时） 总周数 □实习 □课程设计 □毕业设计 课程编码 L000501 总学时 32 学分 2 课程名称 Machine Learning（机器学习） 课程英文名称 Machine Learning 适用专业 电子信息工程（留学生）、电子信息工程（国际化培养班） 先修课程 高等数学、程序设计 开课部门 信息学院电子工程系（电子信息） 二、 课程性质与目标 Machine Learning 是电子信息工程本科留学生的专业方向选修课。使学生掌 握常见机器学习算法，包括算法的主要思想和基本步骤，并通过典型应用实例加 深了解；同时对机器学习的一般理论有所了解。 课程目标 1：学生应掌握机器学习基本原理及主要技能，包括基本概念、组 成及常用技能。 课程目标 2：学生应能利用所学知识和技能解决实际问题，从而培养学生的 应用能力。 课程思政目标：基于学校高水平应用型大学的办学定位，针对课程特点，围 绕建立学习自信、珍惜青春年华、遵守网络安全规范、提升计算机文化和道德素 养、学好基础知识、为国家 IT 事业建功立业等重点内容，设计学习理论指导下 的思政案例，优化课程思政内容供给，有机融入课堂讲授、课堂互动、上机实践、 学习评价等各环节。 三、 课程教学基本内容与要求 第 1 单元 课程简介及编程基础 基本要求
(一)了解：机器学习的基本概念 (二)掌握：Python编程技能 教学及考核内容 1.1机器学习简介 1.2 Python编程基础 第2单元机器学习基础 基本要求 (一)了解：常用机器学习模型 (二)熟悉：机器学习基本原理 (三)掌握：机器学习的典型应用 教学及考核内容 2.1常用机器学习模型 2.2机器学习的基本应用 第3单元经典机器学习模型 基本要求 (一)了解：分类、回归、聚类的概念 (二)熟悉：分类、回归、聚类的基本原理 (三)掌握：典型机器学习模型应用 教学及考核内容 3.1基本概念 3.2分类 3.3回归 3.4聚类 3.5基于样例数据集的实践 第4单元深度学习基础 基本要求 (一)了解：深度学习基本概念 (二)熟悉：深度学习基本原理 (三)掌握：深度学习基础模型实践 教学及考核内容 4.1神经网络
2 （一）了解：机器学习的基本概念 （二）掌握：Python 编程技能 教学及考核内容 1.1 机器学习简介 1.2 Python 编程基础 第 2 单元 机器学习基础 基本要求 （一）了解：常用机器学习模型 （二）熟悉：机器学习基本原理 （三）掌握：机器学习的典型应用 教学及考核内容 2.1 常用机器学习模型 2.2 机器学习的基本应用 第 3 单元 经典机器学习模型 基本要求 （一） 了解：分类、回归、聚类的概念 （二） 熟悉：分类、回归、聚类的基本原理 （三） 掌握：典型机器学习模型应用 教学及考核内容 3.1 基本概念 3.2 分类 3.3 回归 3.4 聚类 3.5 基于样例数据集的实践 第 4 单元 深度学习基础 基本要求 （一）了解：深度学习基本概念 （二）熟悉：深度学习基本原理 （三）掌握：深度学习基础模型实践 教学及考核内容 4.1 神经网络
4.2深度学习与计算机视觉 4.3计算机视觉中的深度学习应用 第5单元卷积神经网络 基本要求 (一)了解：卷积神经网络的基本概念 (二)熟悉：卷积神经网络结构 (三)掌握：基于卷积神经网络的应用 教学及考核内容 5.1深度神经网络 5.2卷积神经网络模型的结构 5.3基于卷积神经网络的计算机视觉应用 *第6单元经典卷积神经网络(I) 基本要求 (一)了解：常见的卷积神经网络模型 (二)熟悉：Alexnet和VGG模型结构 (三)掌握：基于Alexnet和VGG模型的应用 教学及考核内容 6.1常见的卷积神经网络模型 6.2 Alexnet结构 6.3VGG结构 6.4相关应用 *第7单元经典卷积神经网络() 基本要求 (一)熟悉：Googlenet///Inception和Resnet模型结构 (三)掌握：基于Googlenet/Inception和Resnet模型的应用 教学及考核内容 7.1 Googlenet/Inception的网络结构 7.2 Resnet的网络结构 ◆第8单元计算机视觉中的深度学习应用 基本要求
3 4.2 深度学习与计算机视觉 4.3 计算机视觉中的深度学习应用 第 5 单元 卷积神经网络 基本要求 （一）了解：卷积神经网络的基本概念 （二）熟悉：卷积神经网络结构 （三）掌握：基于卷积神经网络的应用 教学及考核内容 5.1 深度神经网络 5.2 卷积神经网络模型的结构 5.3 基于卷积神经网络的计算机视觉应用 *第 6 单元 经典卷积神经网络（I） 基本要求 （一）了解：常见的卷积神经网络模型 （二）熟悉：Alexnet 和 VGG 模型结构 （三）掌握：基于 Alexnet 和 VGG 模型的应用 教学及考核内容 6.1 常见的卷积神经网络模型 6.2 Alexnet 结构 6.3 VGG 结构 6.4 相关应用 *第 7 单元 经典卷积神经网络（II） 基本要求 （一）熟悉：Googlenet/Inception 和 Resnet 模型结构 （三）掌握：基于 Googlenet/Inception 和 Resnet 模型的应用 教学及考核内容 7.1 Googlenet/Inception 的网络结构 7.2 Resnet 的网络结构 *第 8 单元 计算机视觉中的深度学习应用 基本要求
掌握：基于深度学习的计算机视觉应用 教学及考核内容 8.1计算机视觉的常见应用 8.2深度学习在计算机视觉中的应用实例 注：*表示选学内容 四、 课程学时分配 单元内容 讲授上机课内学时小计 1 课程简介及Python编程基础 2 机器学习基础 2 3 经典机器学习模型 2 2 4 深度学习基出 5 卷积神经网络 *6 经典卷积神经网络（① 4 *7 经典卷积神经网络) 4 *8 深度学习在计算机视觉中的应用 4 总计 16 16 32 五、 教学设计与教学组织 本课程采用混合教学模式，学生课下利用互联网观看教学视频，教师组织课 堂教学，学生利用网络系统完成作业。 思政教学方面，首先根据课程内容设计思政案例，在设计思政案例时首先要 考虑思政方法，包括：素材法、产品法、引用法、联想法、关联法、原理法、思 政法、现状法、经验法。思政教学贯穿于线上和线下，利用混合教学实施立德树 人教育。 六、教材与参考资料 1.教材 本课程采用教师自编讲义课件 2.参考资料 Andrew Ng.Machine Learning.Stanford University.2017. 七、课程考核方式与成绩评定标准 课程成绩通过平时成绩和期末考试成绩进行评定，平时占50%，期末占 50%. 平时成绩包括：课堂互动成绩、平时作业。整个过程都涉及思政内容考核。 4
4 掌握：基于深度学习的计算机视觉应用 教学及考核内容 8.1 计算机视觉的常见应用 8.2 深度学习在计算机视觉中的应用实例 注：*表示选学内容 四、 课程学时分配 单元 内容 讲授 上机 课内学时小计 1 课程简介及 Python 编程基础 2 2 4 2 机器学习基础 2 2 4 3 经典机器学习模型 2 2 4 4 深度学习基础 2 2 4 5 卷积神经网络 2 2 4 *6 经典卷积神经网络(I) 2 2 4 *7 经典卷积神经网络(II) 2 2 4 *8 深度学习在计算机视觉中的应用 2 2 4 总计 16 16 32 五、 教学设计与教学组织 本课程采用混合教学模式，学生课下利用互联网观看教学视频，教师组织课 堂教学，学生利用网络系统完成作业。 思政教学方面，首先根据课程内容设计思政案例，在设计思政案例时首先要 考虑思政方法，包括：素材法、产品法、引用法、联想法、关联法、原理法、思 政法、现状法、经验法。思政教学贯穿于线上和线下，利用混合教学实施立德树 人教育。 六、 教材与参考资料 1. 教材 本课程采用教师自编讲义课件 2. 参考资料 Andrew Ng, Machine Learning, Stanford University, 2017. 七、 课程考核方式与成绩评定标准 课程成绩通过平时成绩和期末考试成绩进行评定，平时占 50％，期末占 50％。 平时成绩包括：课堂互动成绩、平时作业。整个过程都涉及思政内容考核
期末考核形式：综合作业，题目中涉及思政元素。 考核内容：基础知识和进阶内容。 八、大纲制（修）订说明 无。 大纲执笔人：王若宾 大纲审核人：关晓菡 开课系主任：鲁远耀 教学副院长：宋威 制（修）订日期：2022年2月 5
5 期末考核形式：综合作业，题目中涉及思政元素。 考核内容：基础知识和进阶内容。 八、 大纲制(修)订说明 无。 大纲执笔人：王若宾 大纲审核人：关晓菡 开课系主任：鲁远耀 教学副院长：宋 威 制（修）订日期：2022 年 2 月
