《机器学习综合训练（Integrated Training in Machine Learning）》教学大纲

制定时间：2025年07月

一、课程基本信息

（一）适用专业：本科智能科学与技术

（二）课程代码：3ZN1020A

（三）学分/课内学时：1学分16学时

（四）课程类别：专业教育

（五）课程性质：必修/实践课

（六）先修课程：《数据结构》、《算法分析与设计》、《Python语言与应用》等

（七）后续课程：《深度学习》、《图像处理与机器视觉》、《毕业设计》

二、课程教学目标

《机器学习综合训练》是智能科学与技术工程院智能科学与技术专业的一门专业必修实践课，旨在培养学生创造性思维、综合设计能力和智能科学与技术的实践能力。

本课程的主要任务是通过综合实训环节培养学生的创新意识与能力和智能科学与技术科学知识的应用能力，使学生掌握机器学习相关领域的基础概念与发展过程；研究并实现不同种类的机器学习算法，包括：监督学习（线性回归/逻辑回归、支持向量机、决策树、神经网络）、非监督学习（聚类、降维）；以及对机器学习问题进行分析、求解及综合应用。

（一）具体目标

目标1：掌握专业必需的数学、自然科学、工程基础和专业知识，能够用于解决智能软件开发中的复杂工程问题。同时，掌握科学思维方法，运用机器学习知识，结合应用场景和需求，运用编程思想完成一套简单的机器学习项目。

目标2：能够根据选题内容，形成相互协作的自组织团队，并能够在团队中承担负责人、成员等职责，能够主动与同一团队同学合作开展工作，协同完成训练任务。能够对训练任务进行准确的描述，能够熟练讲解训练过程。

（二）课程目标与毕业要求的对应关系

三、教学内容与方法

（一）教学内容及要求

（二）教学方法

1.课堂讲授

（1）采用启发式教学，以学生为中心，激发学生主动学习的兴趣，培养学生独立思考、分析问题和解决问题的能力，引导学生主动通过实践和自学获得自己想学到的知识。

（2）采用案例驱动的训练方式，通过对不同机器学习案例的训练，使学生加深对机器学习知识的理解。培养学生综合应用所学的理论知识去分析和解决工程实际问题的能力，帮助学生巩固、深化和拓展知识面，为毕业设计和实际工程设计奠定基础。

（3）理论教学与工程实践相结合，引导学生应用数学、自然科学和工程科学的基本原理，采用现代设计方法和手段，掌握机器学习技术，解决实际应用中面临的机器学习问题，培养学生分析问题、解决问题的思维方法和实践技能。

2.专题研究

围绕综合训练参考课题，设置专题研究环节，培养学生应用所掌握的知识解决复杂工程问题的能力，结合研究课题进行报告和设计文稿的撰写，并清晰陈述观点和回答问题的能力。

四、考核及成绩评定

（一）考核内容及成绩构成

课程考核以考核学生能力培养目标的达成为主要目的，以检查学生对各知识点的掌握程度和应用能力为重要内容，包括系统展示及答辩和综合训练总结报告两个部分。目标分值建议如下：

五、参考学习资料

（一）推荐教材：

1. 机器学习案例实战，赵卫东，人民邮电出版社，2019年09月

2. 机器学习：实用案例解析 (美)康威机械工业出版社，2013.

（二）参考资料：

1. Python机器学习 5个数据科学家案例解析，[美]达西·哈龙（Danish Haroon）著 潘海为，清华大学出版社， 2018.

（三）在线资源：http://course.incloudlab.com/