《Python机器学习》思政教学大纲及授课计划.pdf

《Python机器学习》教学大纲

学分：2
学时：36，其中理论学时：18，实践（实验）学时：18
授课对象：各专业

一、课程简介（中文）
人工智能是计算机研究领域的一个重要分支,通过算法控制能够使机器模拟
人类智能，是现代工业必不可少的构成。机器学习是人工智能的核心基础。
本课程通过实用的案例，针对实际的日常工作任务，将机器学习算法深入浅
出地进行介绍。通过学习，学生可以掌握使用Python代码构建一些核心的机器
学习算法，并将其运用于策略性任务中，如分类、预测及推荐等。
课程适合的学习对象是对机器学习感兴趣的各专业研究生、本科生、专科生，
需具有入门水平的计算机编程和数学基础。

二、课程目标
通过课程学习，学生能够掌握人工智能的基本概念和机器学习的基础知识。
了解机器学习算法的类别、Python数据分析与处理、Python常用机器学习模块
（Numpy,Pandas,Matplotlib,Wordcloud,OpenCV,Scikitlearn等）。在此
基础上掌握K-近邻分类算法、K-均值聚类算法、智能推荐算法、回归算法、神
经网络与深度学习的基本原理；并熟悉机器学习算法的应用，掌握解决常见科学
问题的实验方法。

三、教学内容、学时分配和作业要求
（以36学时为例。本教材内容丰富，满足54学时、72学时教学需要，可根据
学情自主安排）
第1章机器学习概述（1学时上课+1学时实验）
1.1人工智能简介
1.2机器学习的主要工作
1.3机器学习开发环境
第2章Python数据处理基础（1学时上课+1学时实验）
2.1Python程序开发技术
2.2基本数据类型
2.3数据文件读写
第3章Python常用机器学习库（3学时上课+3学时实验）
3.1NumPy
3.2Pandas
3.3Matplotlib
3.4OpenCV
3.5Scikitlearn
3.6其他常用模块
第4章机器学习基础（1学时上课+1学时实验）
4.1机器学习模型
4.2机器学习算法的选择
4.3Python机器学习利器—SKlearn
第5章KNN分类算法（1.5学时上课+1.5学时实验）
5.1KNN分类
5.2初识KNN——鸢尾花分类
5.3KNN手写数字识别
第6章K-Means聚类算法（1学时上课+1学时实验）
6.1K-Means聚类算法
6.2使用K-Means实现数据聚类
6.3K-Means算法存在的问题
第7章推荐算法（1.5学时上课+1.5学时实验）
7.1推荐系统
7.2协同过滤推荐算法
7.3基于内容的推荐算法实例
7.4协同过滤算法实现电影推荐
第8章回归算法（2学时上课+2学时实验）
8.1线性回归
8.2逻辑回归
8.3回归分析综合案例
第9章支持向量机SVM（2学时上课+2学时实验）
9.1支持向量机的概念
9.2支持向量机的参数
第10章神经网络（1学时上课+1学时实验）
10.1神经网络基本原理
10.2多层神经网络
10.3BP神经网络
第11章深度学习（1学时上课+1学时实验）
11.1深度学习
11.2卷积神经网络CNN
11.3循环神经网络
11.4常见的深度学习开源框架和平台
11.5Tensorflow学习框架
11.6Keras深度学习框架
完成期末项目(2学时)
期末项目交流(2学时)

四、教材、参考书目或其他学习材料
教材：
《Python机器学习》，刘艳，清华大学出版社，2021年11月出版。

五、考核办法与评价结构比例
1.平时作业（占比50%）
2.期末大作业（占比50%）
六、课程思政内容

1.培养学生民族认同感，树立远大职业理想。梳理国产操作系统的发展历史与现状，
包括华为、中兴等国产企业在全球市场的崛起，在操作系统领域的新架构，向学生展示中国
的信息技术领域成就，增强使命感与荣誉感；通过华为孟晚舟事件、美国的芯片垄断—引出：
民族认同感。党的十八届五中全会通过的“十三五”规划《建议》，明确提出实施网络强国
战略以及与之密切相关的“互联网+”行动计划。国家正着力实现关键技术自主可控，为维护
国家安全、网络安全提供技术保障。中国信息化需求巨大，但在一些关键技术领域如操作系
统、芯片技术、CPU技术等方面，还难以做到自主可控，对国家安全造成威胁。引导学生
明确：建设网络强国，不仅仅是靠网络技术，还要有软件技术等其他各类技术的支撑。引导
学生作为软件技术专业的一员，应更加明晰专业人才的培养目标，更加明确专业领域内工作
岗位和工作内容的社会价值，自觉树立远大职业理想，将职业生涯、职业发展脉络与国家发
展的历史进程融合起来。
2.向学生介绍中国在人工智能领域的布局，重点分析当代人工智能下软件技术如何支撑
中国制造的智能化发展；
3.通过专业知识的学习，引导学生深刻理解与认识所学软