《机器学习》课程教学大纲 一、课程基本信息 课程代码：18110233 课程名称：机器学习 英文名称：Machine Learning 课程类别：专业课 时：48，实验学时20 学分：3 适用对象：软件工程、计算机科学与技术（实验区）和计算机科学与技术（人工 智能方向)本科专业 考核方式：考查 先修课程：高等数学、线性代数及概率论与数理统计 二、课程简介 中文简介 本课程是软件工程的专业选修课。机器学习属于人工智能的分支，本课程将 Python与机器学习有机地结合起来，Python介绍了Python基础语法、numpy、Pandas 和matplotlib的使用，机器学习介绍了KN、聚类、决策树和随机森林、朴素贝叶斯、 线性回归、逻辑回归和SVM算法。 英文简介 This course is a professional elective course of software engineering.Machine leaming is a branch of artificial intelligence.This course combines python with machine learning organically.Python introduces Python basic syntax,the use of numpy,pandas and matplotlib,and machine leaming introduces KNN,clustering,decision tree and random forest,naive Bayes,linear regression,logical regression and SVM algorithm. 三、课程性质与教学目的 课程属于专业选修课，它是当今人工智能教学过程的重要组成部分，是学生对所 学专业建立感性认识、巩固所学理论知识、培养专业技能和实际工作能力的重要环节。 通过课程的学习，学生可以深刻认识到人工智能是当前科技革命和产业变革的战略性 技术，可对国家经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影 响，进而激发学生刻苦学习，为建设社会主义现代化强国而奋斗
1 《机器学习》课程教学大纲 一、课程基本信息 课程代码：18110233 课程名称：机器学习 英文名称：Machine Learning 课程类别：专业课 学 时：48，实验学时 20 学 分：3 适用对象: 软件工程、计算机科学与技术（实验区）和计算机科学与技术（人工 智能方向）本科专业 考核方式：考查 先修课程：高等数学、线性代数及概率论与数理统计 二、课程简介 中文简介 本课程是软件工程的专业选修课。机器学习属于人工智能的分支，本课程将 Python 与机器学习有机地结合起来，Python 介绍了 Python 基础语法、numpy、Pandas 和 matplotlib 的使用，机器学习介绍了 KNN、聚类、决策树和随机森林、朴素贝叶斯、 线性回归、逻辑回归和 SVM 算法。 英文简介 This course is a professional elective course of software engineering. Machine learning is a branch of artificial intelligence. This course combines python with machine learning organically. Python introduces Python basic syntax, the use of numpy, pandas and matplotlib, and machine learning introduces KNN, clustering, decision tree and random forest, naive Bayes, linear regression, logical regression and SVM algorithm. 三、课程性质与教学目的 课程属于专业选修课，它是当今人工智能教学过程的重要组成部分，是学生对所 学专业建立感性认识、巩固所学理论知识、培养专业技能和实际工作能力的重要环节。 通过课程的学习，学生可以深刻认识到人工智能是当前科技革命和产业变革的战略性 技术，可对国家经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影 响，进而激发学生刻苦学习，为建设社会主义现代化强国而奋斗
四、教学内容及要求 第一章Pythor如开发环境搭建与编码规范 (一)目的与要求 1.了解Python的特点： 2.了解Python的应用领域： 3.掌握Python开发环境的搭建： 4.熟练使用IDLE和Anaconda3:的Jupyter Notebook与Spyder开发环境 5.熟练安装Python扩展库： 6.了解Python的编码规范： 7.熟练掌握Python标准库与扩展库对象的导入和使用。 8.通过学习Python基础，认识到“万丈高楼平地起”，只有在某领域打 好基础，才能在该领域取得辉煌成就。 (二)教学内容 第一节Python开发环境搭建与使用 第二节Python编码规范 第三节标准库、扩展库对象的导入与使用 (三)思考与实践 思考l:比较Python、M和Matlab三种语言的特点 思考2：比较Python2和Python3的一些区别。 (四)教学方法与手段 采用课堂讲授的方法，教学手段为PPT和代码演示。 第二章数据类型、运算符与内置函数 (一)目的与要求 1.掌握整数、浮点数、复数的运算 2。了解列表、元组、字典、集合、字符串的基本使用方法 3.熟练掌握各种运算符的用法： 4.理解加法运算符(+)对列表、元组、字符的连接作用： 5.理解列表、元组、字符串的大小比较的原理： 6.理解整除运算符(/)“向下取整”的运算特点： 7.理解集合运算的原理和相应的运算符用法： 8.理解关系运算符和逻辑运算符“惰性求值”的特点： 2
2 四、教学内容及要求 第一章 Python 开发环境搭建与编码规范 （一）目的与要求 1．了解 Python 的特点； 2．了解 Python 的应用领域； 3．掌握 Python 开发环境的搭建； 4．熟练使用 IDLE 和 Anaconda3 的 Jupyter Notebook 与 Spyder 开发环境； 5．熟练安装 Python 扩展库； 6．了解 Python 的编码规范； 7．熟练掌握 Python 标准库与扩展库对象的导入和使用。 8．通过学习 Python 基础，认识到“万丈高楼平地起”，只有在某领域打 好基础，才能在该领域取得辉煌成就。 （二）教学内容 第一节 Python 开发环境搭建与使用 第二节 Python 编码规范 第三节 标准库、扩展库对象的导入与使用 （三）思考与实践 思考 1：比较 Python、M 和 Matlab 三种语言的特点。 思考 2：比较 Python2 和 Python3 的一些区别。 （四）教学方法与手段 采用课堂讲授的方法，教学手段为 PPT 和代码演示。 第二章 数据类型、运算符与内置函数 （一）目的与要求 1. 掌握整数、浮点数、复数的运算； 2. 了解列表、元组、字典、集合、字符串的基本使用方法； 3. 熟练掌握各种运算符的用法； 4. 理解加法运算符（+）对列表、元组、字符的连接作用； 5. 理解列表、元组、字符串的大小比较的原理； 6. 理解整除运算符（//）“向下取整”的运算特点； 7. 理解集合运算的原理和相应的运算符用法； 8. 理解关系运算符和逻辑运算符“惰性求值”的特点；
9.熟练掌握常用的内置函数： 10.理解map0、reduce0和filter0函数的工作过程： 11. 理解Python函数式编程的特点。 (二)教学内容 第一节常用内置数据类型 第二节运算符与表达式 第三节常用内置函数 第四节综合应用与例题解析 (三)思考与实践 思考1：什么是惰性求值？ (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第三章列表、元组、字典、集合与字符串 (一)目的与要求 1.熟练掌握列表对象及其常用方法： 2.熟练掌握列表推导式语法和应用： 3.熟练掌握切片操作： 4.熟练掌握序列解包的语法和应用： 5.熟练掌握生成器表达式的语法和应用： 6.理解元组和列表的不同： 7.熟练掌握字典对象及其常用操作 8.熟练掌握集合对象及其常用操作： 9.熟练应用内容对象解决实际问题。 (二)教学内容 第一节列表与列表推导式 第二节元组与生成器表达式 第三节字典 第四节集合 第五节字符串常用方法 第六节综合应用与例题解析 (三)思考与实践
3 9. 熟练掌握常用的内置函数； 10. 理解 map()、reduce()和 filter()函数的工作过程； 11. 理解 Python 函数式编程的特点。 （二）教学内容 第一节 常用内置数据类型 第二节 运算符与表达式 第三节 常用内置函数 第四节 综合应用与例题解析 （三）思考与实践 思考 1：什么是惰性求值？ （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第三章 列表、元组、字典、集合与字符串 （一）目的与要求 1. 熟练掌握列表对象及其常用方法； 2. 熟练掌握列表推导式语法和应用； 3. 熟练掌握切片操作； 4. 熟练掌握序列解包的语法和应用； 5. 熟练掌握生成器表达式的语法和应用； 6. 理解元组和列表的不同； 7. 熟练掌握字典对象及其常用操作； 8. 熟练掌握集合对象及其常用操作； 9. 熟练应用内容对象解决实际问题。 （二）教学内容 第一节 列表与列表推导式 第二节 元组与生成器表达式 第三节 字典 第四节 集合 第五节 字符串常用方法 第六节 综合应用与例题解析 （三）思考与实践
思考1：什么是列表推导式和生成器表达式？ (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示 第四章选择结构、循环结构、函数定义与使用 (一)目的与要求 l.理解条件表达式的值与True或False的等价关系： 2.熟练掌握选择结构： 3.熟练掌握循环结构： 4 理解带else的循环结构的执行过程： 5.熟练学握函数的定义与使用： 6.熟练掌握lambda表达式的语法与应用： 7.理解递归函数的执行过程 8.理解嵌套定义函数的语法 (二)教学内容 第一节选择结构 第二节循环结构 第三节函数定义与使用 第四节综合应用与例题解析 (三)思考与实践 思考1：举例说明什么是位置参数、默认值参数、关键参数和可变长度参 数。 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第五章文件操作 (一)目的与要求 1.熟练学握内置函数open0的应用： 2.理解字符串编码格式对文本文件操作的影响 3.熟练掌握上下文管理语句with的用法： 4.了解标准库json对JSON文件的读写方法： 5.了解扩展库python--docx、openpyxl、python-pptx对Office文档
4 思考 1：什么是列表推导式和生成器表达式？ （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第四章 选择结构、循环结构、函数定义与使用 （一）目的与要求 1. 理解条件表达式的值与 True 或 False 的等价关系； 2. 熟练掌握选择结构； 3. 熟练掌握循环结构； 4. 理解带 else 的循环结构的执行过程； 5. 熟练掌握函数的定义与使用； 6. 熟练掌握 lambda 表达式的语法与应用； 7. 理解递归函数的执行过程； 8. 理解嵌套定义函数的语法。 （二）教学内容 第一节 选择结构 第二节 循环结构 第三节 函数定义与使用 第四节 综合应用与例题解析 （三）思考与实践 思考 1：举例说明什么是位置参数、默认值参数、关键参数和可变长度参 数。 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第五章 文件操作 （一）目的与要求 1. 熟练掌握内置函数 open()的应用； 2. 理解字符串编码格式对文本文件操作的影响； 3. 熟练掌握上下文管理语句 with 的用法； 4. 了解标准库 json 对 JSON 文件的读写方法； 5. 了解扩展库 python-docx、openpyxl、python-pptx 对 Office 文档
的操作 (二)教学内容 第一节文件操作基础 第二节JSON文件操作 第三节CSV文件操作 第四节Word、Excel、PowerPoint文件操作实战 (三)思考与实践 思考1：在对文件内容进行读写时，采用with块有何作用？ 实践l:实验项目一Python基础 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第六章numpy数组与矩阵运算 (一)目的与要求 .熟练掌握numpy数组相关运算 2.熟练使用numpy创建矩阵： 3.理解矩阵转置和乘法： 4.熟练计算数据的相关系数、方差、协方差、标准差： 5.理解并能够计算特征值与特征向量 6.理解可逆矩阵并能够计算矩阵的逆： 7.熟练求解线性方程组： 8.熟练计算向量和矩阵的范数 9.理解并计算奇异值分解。 (二)教学内容 第一节numpy数组及其运算 第二节矩阵生成与常用操作 第三节计算特征值与特征向量 第四节计算逆矩阵 第五节求解线性方程组 第六节计算向量和矩阵的范数 第七节奇异值分解 第八节函数向量化
5 的操作。 （二）教学内容 第一节 文件操作基础 第二节 JSON 文件操作 第三节 CSV 文件操作 第四节 Word、Excel、PowerPoint 文件操作实战 （三）思考与实践 思考 1：在对文件内容进行读写时，采用 with 块有何作用? 实践 1：实验项目一 Python 基础 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第六章 numpy 数组与矩阵运算 （一）目的与要求 1. 熟练掌握 numpy 数组相关运算； 2. 熟练使用 numpy 创建矩阵； 3. 理解矩阵转置和乘法； 4. 熟练计算数据的相关系数、方差、协方差、标准差； 5. 理解并能够计算特征值与特征向量； 6. 理解可逆矩阵并能够计算矩阵的逆； 7. 熟练求解线性方程组； 8. 熟练计算向量和矩阵的范数； 9. 理解并计算奇异值分解。 （二）教学内容 第一节 numpy 数组及其运算 第二节 矩阵生成与常用操作 第三节 计算特征值与特征向量 第四节 计算逆矩阵 第五节 求解线性方程组 第六节 计算向量和矩阵的范数 第七节 奇异值分解 第八节 函数向量化
(三)思考与实践 思考1：举例说明什么是数组的广播机制 实践l:实验项目二numpy的使用 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第七章pandas数据分析实战 (一)目的与要求 l.熟练学握pandas一维数组Series结构： 2.熟练学握pandas时间序列对象： 3.熟练掌握pandas二维数组DataFrame结构的创建方法 4.熟练掌握pandas读取Excel文件中数据的方法： 5.熟练掌握DataFrame结构中数据选择与查看方法： 6.熟练掌握DataFrame结构中数据特征的查看方法 7.熟练掌握DataFrame结构的排序方法： 8.熟练掌握DataFrame结构中数据的分组和聚合方法： 9.熟练学握DataFrame结构中异常值的查看与处理方法： 10. 熟练掌握DataFrame结构中缺失值的查看与处理方法 11. 熟练掌握DataFrame结构中重复值的查看与处理方法： 12. 熟练学握DataFrame结构中数据差分的使用方法： 13. 熟练掌握pandas提供的透视表与交叉表技术： 14. 熟练掌握DataFrame结构中数据的重采样技术， (二)教学内容 第一节pandas常用数据类型 第二节DataFrame数据处理与分析实战 (三)思考与实践 思考1：举例说明什么是数据中的异常值、缺失值和重复值。 实践l:实验项目三Pandas的使用 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 第八章matplotlib数据可视化实战 6
6 （三）思考与实践 思考 1：举例说明什么是数组的广播机制？ 实践 1：实验项目二 numpy 的使用 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第七章 pandas 数据分析实战 （一）目的与要求 1. 熟练掌握 pandas 一维数组 Series 结构； 2. 熟练掌握 pandas 时间序列对象； 3. 熟练掌握 pandas 二维数组 DataFrame 结构的创建方法； 4. 熟练掌握 pandas 读取 Excel 文件中数据的方法； 5. 熟练掌握 DataFrame 结构中数据选择与查看方法； 6. 熟练掌握 DataFrame 结构中数据特征的查看方法； 7. 熟练掌握 DataFrame 结构的排序方法； 8. 熟练掌握 DataFrame 结构中数据的分组和聚合方法； 9. 熟练掌握 DataFrame 结构中异常值的查看与处理方法； 10. 熟练掌握 DataFrame 结构中缺失值的查看与处理方法； 11. 熟练掌握 DataFrame 结构中重复值的查看与处理方法； 12. 熟练掌握 DataFrame 结构中数据差分的使用方法； 13. 熟练掌握 pandas 提供的透视表与交叉表技术； 14. 熟练掌握 DataFrame 结构中数据的重采样技术。 （二）教学内容 第一节 pandas 常用数据类型 第二节 DataFrame 数据处理与分析实战 （三）思考与实践 思考 1：举例说明什么是数据中的异常值、缺失值和重复值。 实践 1：实验项目三 Pandas 的使用 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 第八章 matplotlib 数据可视化实战
(一)目的与要求 l.熟练掌握扩展库matplotlib及其依赖库的安装： 2。熟练掌握折线图绘制与属性设置 3.熟练掌握散点图绘制与属性设置 4.熟练掌握柱状图绘制与属性设置： 5.热练掌握饼状图绘制与属性设置 6.熟练掌握雷达图绘制与属性设置： 7.了解三维曲线、曲面、柱状图、散点图的绘制： 8.熟练掌握绘图区域的切分与属性设置： 9。熟练掌握图例属性的设置： 10.了解事件响应与处理机制的工作原理： 11.了解图形填充的方法： 12.了解保存绘图结果的方法。 (二)教学内容 第一节数据可视化库matplotlib基础 第二节绘制折线图实战 第三节绘制散点图实战 第四节绘制柱状图实战 第五节绘制饼状图实战 第六节绘制雷达图实战 第七节绘制三维图形实战 第八节绘图区域切分实战 第九节设置图例样式实战 第十节事件响应与处理实战 第十一节填充图形 第十二节保存绘图结果 (三)思考与实践 思考1：试述matplotlib绘图的一般过程。 实践1：实验项目四matplotlib的使用 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 7
7 （一）目的与要求 1. 熟练掌握扩展库 matplotlib 及其依赖库的安装； 2. 熟练掌握折线图绘制与属性设置； 3. 熟练掌握散点图绘制与属性设置； 4. 熟练掌握柱状图绘制与属性设置； 5. 熟练掌握饼状图绘制与属性设置； 6. 熟练掌握雷达图绘制与属性设置； 7. 了解三维曲线、曲面、柱状图、散点图的绘制； 8. 熟练掌握绘图区域的切分与属性设置； 9. 熟练掌握图例属性的设置； 10. 了解事件响应与处理机制的工作原理； 11. 了解图形填充的方法； 12. 了解保存绘图结果的方法。 （二）教学内容 第一节 数据可视化库 matplotlib 基础 第二节 绘制折线图实战 第三节 绘制散点图实战 第四节 绘制柱状图实战 第五节 绘制饼状图实战 第六节 绘制雷达图实战 第七节 绘制三维图形实战 第八节 绘图区域切分实战 第九节 设置图例样式实战 第十节 事件响应与处理实战 第十一节 填充图形 第十二节 保存绘图结果 （三）思考与实践 思考 1：试述 matplotlib 绘图的一般过程。 实践 1：实验项目四 matplotlib 的使用 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示
第九章sklearn机器学习实战 (一)目的与要求 1.了解机器学习常用的基本概念，以及如何根据实际问题类型选择 合适的机器学习算法：了解扩展库sk1earn中的常用模块： 2.理解并熟练运用线性回归算法，理解梯度下降等迭代优化算法优 化损失函数的重要性，从其需成千上万次的迭代才可能找到最后 的解体会百折不挠、坚持不懈的重要性，明白事物发展的曲折性。 3.理解并熟练运用逻辑回归算法： 4.理解并熟练运用朴素贝叶斯算法： 5。理解并熟练运用决策树与随机森林算法，基于随机森林，让学生 认识到团队协同合作的重要性，可谓三个臭皮匠，胜过一个诸葛 亮 6.理解并熟练运用支持向量机算法： 7.理解并熟练运用KN算法： 8.理解并熟练运用KMeans聚类算法，知道“物以类聚”，要求学生 积极学习优秀党员的先进事迹，要向他们那样做到“不忘初心， 牢记使命” 9. 理解分层聚类算法 1O.理解并熟练运用DESCAN算法： 11.理解并熟练运用数据降维算法： 12.理解并熟练运用机器学习中交叉验证与网格搜索策略。 (二)教学内容 第一节机器学习基本概念 第二节线性回归算法原理与应用 第三节 逻辑回归算法原理与应用 第四节朴素贝叶斯算法原理与应用 第五节决策树与随机森林算法应用 第六节支持向量机算法原理与应用 第七节KNWN算法原理与应用 第八节KMeans聚类算法原理与应用 第九节分层聚类算法原理与应用 第十节DBSCAN算法原理与应用 8
8 第九章 sklearn 机器学习实战 （一）目的与要求 1. 了解机器学习常用的基本概念，以及如何根据实际问题类型选择 合适的机器学习算法；了解扩展库 sklearn 中的常用模块； 2. 理解并熟练运用线性回归算法，理解梯度下降等迭代优化算法优 化损失函数的重要性，从其需成千上万次的迭代才可能找到最后 的解体会百折不挠、坚持不懈的重要性，明白事物发展的曲折性。 3. 理解并熟练运用逻辑回归算法； 4. 理解并熟练运用朴素贝叶斯算法； 5. 理解并熟练运用决策树与随机森林算法，基于随机森林，让学生 认识到团队协同合作的重要性，可谓三个臭皮匠，胜过一个诸葛 亮； 6. 理解并熟练运用支持向量机算法； 7. 理解并熟练运用 KNN 算法； 8. 理解并熟练运用 KMeans 聚类算法，知道“物以类聚”，要求学生 积极学习优秀党员的先进事迹，要向他们那样做到“不忘初心， 牢记使命”； 9. 理解分层聚类算法； 10. 理解并熟练运用 DBSCAN 算法； 11. 理解并熟练运用数据降维算法； 12. 理解并熟练运用机器学习中交叉验证与网格搜索策略。 （二）教学内容 第一节 机器学习基本概念 第二节 线性回归算法原理与应用 第三节 逻辑回归算法原理与应用 第四节 朴素贝叶斯算法原理与应用 第五节 决策树与随机森林算法应用 第六节 支持向量机算法原理与应用 第七节 KNN 算法原理与应用 第八节 KMeans 聚类算法原理与应用 第九节 分层聚类算法原理与应用 第十节 DBSCAN 算法原理与应用
第十一节数据降维算法原理与应用 第十二节机器学习中交叉验证与网格搜索策略 (三)思考与实践 思考l:Kmeans聚类和分类有何区别？ 思考2：朴素贝叶斯算法中的朴素指的是什么？ 思考3：KNW算法中的K是指什么？ 实践1：实验项目五KNW算法实现 实践2：实验项目六K-Means算法实现 实践3：实验项目七朴素贝叶斯算法实现 (四)教学方法与手段 采用课堂教学的教学方法，教学手段为PPT和代码演示。 五、各教学环节学时分配 教学环节 讲 教学时戴 题 实验 其他教 学环节 课程内容 第一章Python开发环境搭建与 绵码柳药 0.5 0.5 一第 章数据类型、运算符与内置 0.5 函数 第三章列表、元组、字典、集合 0.5 05 与字符电 第四章选择结构、循环结构、函 0.5 数定义与使用 0.5 第五章文件操作 0.5 0.s 第六章numpy数组与矩阵运算 0.5 0.5 第七章pandas数据分析实战 0.5 0.5 1 第八章matplotlib数据可视化 战 0.5 05 第九章sklearn机器学习实战 34 16 合计 20 48
9 第十一节 数据降维算法原理与应用 第十二节 机器学习中交叉验证与网格搜索策略 （三）思考与实践 思考 1：Kmeans 聚类和分类有何区别？ 思考 2：朴素贝叶斯算法中的朴素指的是什么? 思考 3：KNN 算法中的 K 是指什么? 实践 1：实验项目五 KNN 算法实现 实践 2：实验项目六 K-Means 算法实现 实践 3：实验项目七 朴素贝叶斯算法实现 （四）教学方法与手段 采用课堂教学的教学方法，教学手段为 PPT 和代码演示。 五、各教学环节学时分配 教学环节 教学时数 课程内容 讲 课 习 题 课 讨 论 课 实验 其他教 学环节 小 计 第一章 Python 开发环境搭建与 编码规范 0.5 0.5 1 第二章 数据类型、运算符与内置 函数 0.5 0.5 1 第三章 列表、元组、字典、集合 与字符串 0.5 0.5 1 第四章 选择结构、循环结构、函 数定义与使用 0.5 0.5 1 第五章 文件操作 0.5 0.5 1 第六章 numpy 数组与矩阵运算 0.5 0.5 1 第七章 pandas 数据分析实战 0.5 0.5 1 第八章 matplotlib 数据可视化 实战 0.5 0.5 1 第九章 sklearn 机器学习实战 24 16 40 合计 28 20 48
六、课程考核 (一)考核方式：考查 (二)成绩构成 平时成绩占比：30% 期未考试占比：70% (三)成绩考核标准 平时成绩=25%考勤+50%实验报告+25%作业 期末总成绩=30%平时成绩+70%期末考试 七、推荐教材和教学参考资源 (1)推荐教材 ●董付国《Python数据分析、挖据与可视化》（幕课版），北京：人民邮电出版社， 2020. (2)参考书： ●周志华.《机器学习》，北京：清华大学出版社，2016. ●段小手.深入浅出Python机器学习，北京：清华大学出版社，2018 ●Peter Harrington.Machine Learning in Action.北京：人民邮电出版社，2Ol4 (3)资源下载网站： http://www.python.org ●https://numpy..org http://pandas.pydata.org/pandas-docs/stable/ https://matplotlib.org/ https//scikit-leamn.org/stable/ 大纲修订人：薛耀红 修订日期：2022年12月 大纲审定人：李祥霞 审定日期：2023年2月 10
10 六、课程考核 （一）考核方式：考查 （二）成绩构成 平时成绩占比：30% 期末考试占比：70% （三）成绩考核标准 平时成绩=25%考勤+50%实验报告+25%作业 期末总成绩=30%平时成绩+70%期末考试 七、推荐教材和教学参考资源 （1）推荐教材 ⚫ 董付国.《Python 数据分析、挖掘与可视化》（慕课版），北京：人民邮电出版社， 2020. （2）参考书： ⚫ 周志华.《机器学习》，北京：清华大学出版社，2016. ⚫ 段小手. 深入浅出 Python 机器学习，北京：清华大学出版社，2018. ⚫ Peter Harrington.Machine Learning in Action. 北京：人民邮电出版社,2014. （3）资源下载网站： ⚫ http://www.python.org ⚫ https://numpy.org/ ⚫ http://pandas.pydata.org/pandas-docs/stable/ ⚫ https://matplotlib.org/ ⚫ https://scikit-learn.org/stable/ 大纲修订人：薛耀红 修订日期：2022 年 12 月 大纲审定人：李祥霞 审定日期：2023 年 2 月