《机器学习综合设计》实验教学大纲
发布时间： 2023-05-25 浏览次数： 292

南 京 中 医 药 大 学


《机器学习综合设计》实验教学大纲

 （适用于__计算机科学与技术__专业）


课程名称：机器学习综合设计                 英文名称：designand application of machine learning

课程类别：必修课      课程编码：089175

课程学分：1课程学时：     36               

开课单位： 人工智能与信息技术学院    实 验 室：云计算与大数据实验室

实验项目数：1       课程负责人：蔡君


  1. 课程简介

 机器学习综合设计是计算机专业一个重要实践教学环节，可以进一步培养学生利用机器学习算法解决问题的能力，加深对机器学习算法原理及相关高级语言基本语言要素的理解；针对机器学习算法的重点和难点内容进行训练，独立完成有一定工作量的程序设计任务，同时强调好的程序设计风格；掌握机器学习常用算法的调用和参数调优，并将其熟练应用到实际问题解决中。

二、教学目标与基本要求

 本课程以培养学生全面掌握机器学习的基础知识、使用程序设计语言完成模型的构建的调优、培养学生编程能力和良好的专业素养为目标。

 在设计过程中，鼓励学生采用探究学习方式，通过自主选题、独立的调查收集资料、处理信息、交流材料等获取知识技能，培养探索精神和创新能力。学习过程以“学生为主，教师为辅”的形式展开。在探索学习的过程中了解和掌握计算机数据处理在日常生活、金融等领域的重要应用。教师积极主动参与学生学习过程，激发学生学习内在动力，让每个学生体会到学习的乐趣，拓展学生自主、合作、探究学习的空间，指导学生选择适合自身发展需要的学习方法，激发学生的情感体验，丰富学生知识，发展学生能力。

 通过课程学习，学生能够完成任务的选择、实验的设计、模型调试及调优和文档的书写。能灵活选择和应用已学高级程序语言，包括C语言、R语言、Python、Matlab和java等，进行程序设计，具备利用计算机求解基本问题的能力，从而理解计算机相关领域工程实践中应承担的社会责任。结合本课程的教学特点，从基本技能、综合技能到应用创新技能培养学生实践能力和创新能力。

三、学情分析

 本课程主要以课堂讲授与实验教学相结合的教学方法进行，重点在于注重培养学生掌握机器学习算法的基本原理，使其具备利用机器学习算法求解实际问题的基本能力，并能灵活应用各类高级语言实现机器学习算法。

 利用多媒体，以课堂教学为主，注重启发式、参入式、讨论式、互动式教学，倡导案例式、研究型教学；结合机器学习热点应用领域的讲解，展开教学，提高学习兴趣；突出“以学生为中心”的教学理念，借助网络开源项目资源等，开展“反转课堂”等形式的混合式教学，安排自主性学习时间，培养学生自主分析问题、解决问题能力；安排分组讨论，培养学生团队合作精神；合理安排实验，开展研究型教学和自主性学习，培养学生实践动手能力和创新精神。

四、实验项目、内容与学时分配

实验学时：实验课堂：32学时；指导性自学：4学时（机器学习算法应用范围和调用方法）。

实验项目


序号

实验项目名称

学时

内容提要

实验类型

基础性

综合设计性

创新性

1

实验分组，自主选题，问题分析

6

[实验目的]

  1.  体会分工协作精神

  2.  根据所学机器学习理论合理选择课题

  3.  熟悉问题解决流程

[实验内容]

  1.  分组并选择实验课题和编程语言

  2.  分析实验内容，和所需的数据预处理

[实验方法及原理]

    在Word或viso环境下分析实验内容


√


2

问题解决流程设计

10

[实验目的]

  1.  实验环境配置

  2.  机器学习算法选择和设计

  3.  熟悉并掌握机器学习算法各模块编写

[实验内容]

  1.  根据程序设计语言配置实验环境

  2.  根据实验内容合理选择算法，完成算法设计和代码实现

[实验方法及原理]

    在相关实验环境下编写代码并调试


√


3

模型训练和调优，算法评估

10

[实验目的]

  1.  模型训练及参数调优

  2.  模型评估

[实验内容]

  1.  反复训练模型，评估模型优劣

  2.  根据实验结果进行模型参数调优

[实验方法及原理]

    在相关实验环境下建模并调优


√


4

结果可视化与实验报告

6

[实验目的]

  1.  熟悉并了解常用的可视化工具

  2.  攥写实验报告

[实验内容]

  1.  利用可视化工具实现实验结果可视化

  2.  完成实验报告

[实验方法及原理]

    选取可视化工具，实现算法结果的可视化



√



五、评价考核

 本课程以专业基础知识为主，主要侧重于对所学知识的深入理解与掌握，形式为小组完成所选项目。形成性评价中，以课堂提问、实验结果和实验报告为评分依据，考核以等级为评分标准。考核侧重评价学生对知识的理解、掌握情况，程序编写能力及创新思维，终结性评价以项目的最终完成度为依据，是学生本课程学习状态和学习效果的反馈，是本课程一个非常重要的评判标准，所以占据比例较高，也符合课程特征。

实验（实训）考核记录表


考核方式

占实验（实训）成绩的比例%

形成性评价

课堂提问

10

实验结果

20

实验报告

20

终结性评价

模型评估

50

总分


100



六、教材及主要参考资料

1. 教材    

[1]秦明.基于智能信息处理的人工智能基础教程，华中科技大学出版社，2019.8.1

2. 参考资源

（1）教学平台

南京中医药大学在线学习平台：e.njucm.edu.cn

中国大学MOOC：https://www.icourse163.org/

课程教师联系方式：QQ：1141369360

（2）参考书目

①蔡自兴，蒙祖强编著，《人工智能基础》（第3版），北京：高等教育出版社，2016.10

②周志华，《机器学习》，北京：清华大学出版社，2016.1.1

③[美]史蒂芬·卢奇（Stephen Lucci），丹尼·科佩克（Danny Kopec）著，《人工智能》（第2版），北京：人民邮电出版社，2018.9.1