解决方案

Solutions

人工智能课程资源

核心课程

配套教材

课程拓扑图

 

教学目标

课程核心培养目标: 学习掌握机器学习基本原理,并具备解决机器学习具体问题的实践能力。

教学目标: 1、熟悉机器学习的数学基础与基本理念。 2、掌握监督学习和非监督学习等多种算法。 3、熟练一般数据分析的流程和模型的选取。 4、能够应用机器学习解决具体问题,并能分析系统的不足,给出优化方案。

教学方法: 1、采用理论结合实验的教学手段: 1-1、理论教学中要求学生掌握知识点的概念与意义,同时掌握知识点的使用方法,突出梳理知识体系。 1-2、实验环节要求学生掌握知识点的运用方法和运用场景,突出“科学问题是什么”、“怎么解决”。 1-3、课堂中多进行思考性提问,让学生养成主动寻找问题的习惯,提高学生自主学习能力,将一个“被动学习者”转换成“主动钻研者”。 2、针对机器学习算法大都需要数学推导的特点,弱化理论推导,强化动手实践: 2-1、通过基本数学原理的简单讲解,让学生掌握基本原理,强调应用场景。 2-2、多阶段的学习,从理论教学和实验教学中强化基本知识点,通过同一知识点的多角度讲解,让学生理解知识的生态系统。 2-3、贯穿课堂教学和项目实践中的迭代式讲解,让学生具备自主动手能力。 教育资源: 1、提供完整的课程资源授课ppt课件,足够支撑96课时以上的理论、实验教学(其中必学知识点可支撑64学时的理论、实验教学)。 2、提供课程资源的对应教案,内附详尽的板书和教学步骤,以及知识的扩展延伸内容。 3、提供课堂所用的程序包、代码包、数据资源包,以及扩展学习阅读资料。 4、提供完整的实验案例和实验指导手册。 5、提供理论授课、实验实训用资源手册,方便资源使用。

课程体系

实验案例