ENGLISH 中财主站 加入收藏
当前位置: 首 页 > 教学项目 > 本科 > 课程简介 > 管理科学系 > 正文

0710354-机器学习-3学分

发布时间:2025-03-27浏览次数:

课程基本信息(Course Information)


开课学院(School)

管理科学与工程学院

课程代码(Course Code)

0710354

课程名称
(Course Name)

机器学习


Machine Learning

学分(Credits)

3

学时(Credit Hours)

48

学时分配

理论教学 42 学时;实验 6 学时;实践 0 学时;线上 0 学时

授课对象(Audience)

大数据管理与应用专业(许国志大数据英才班)、管理科学专业、经济学基地班、经济学专业等必修;投资学专业、国民经济管理、信息学院、外国语学院等部分专业选修

授课语言(Language)

全汉语

先修课程

(Prerequisite)

概率论与数理统计、高等数学、线性代数、Python程序设计(课堂上会补充相关知识)

授课教师(Instructor)

李国文、唐昕迪

课程网址

(Course Webpage)


课程类型(Type)

理论课

课程归属(Category)

专业教育-大数据管理与应用


课程简介(Description)


机器学习(Machine Learning, ML)是人工智能(Artificial Intelligence, AI)的核心内容。机器学习课程致力于研究如何让计算机通过数据学习,并做出智能决策。随着大数据时代的到来以及计算能力的显著提升,机器学习在社会各领域的应用已经变得越来越广泛。机器学习课程的目的在于培养学生理解和掌握机器学习算法和模型,分析和处理数据,以及在真实世界问题中应用这些技术的能力。

学习完本课程,学生们将掌握经典的机器学习算法,同时掌握学习更多算法的能力,拥有进一步利用人工智能领域相关技术解决实际问题的能力。


课程简介英文版

Machine Learning (ML) is a core component of Artificial Intelligence (AI). Machine Learning programs are dedicated to the study of how computers can learn from data and make intelligent decisions. With the advent of the big data era and the significant increase in computing power, the application of machine learning in various fields of society has become more and more widespread. The purpose of the Machine Learning course is to develop students' ability to understand and master machine learning algorithms and models, to analyze and process data, and to apply these techniques to real-world problems.

After taking this course, students will master the classical machine learning algorithms, as well as master the ability to learn more algorithms, and possess the ability to further utilize the technologies related to the field of artificial intelligence to solve real-world problems.

课程目标(Course Objectives)


学生应达到的目标:

知识

了解:学生应理解机器学习的基本概念、历史背景、主要流派和发展趋势。

掌握:学生应掌握机器学习的核心理论,包括概率论、统计学、线性代数、优化理论等数学基础知识,以及各种机器学习算法的数学原理和技术实现。

应用:学生应能够选择合适的机器学习算法解决特定类型的问题,并能够运用所学知识进行模型的设计、训练、评估和优化。

分析:学生应有能力对机器学习模型的性能进行分析,识别模型欠拟合或过拟合的情况,并能够提出针对性的解决方案。

能力

了解:学生应熟悉常用的机器学习工具和库,如Python中的scikit-learn、TensorFlow、PyTorch等。

掌握:学生应能够熟练地使用这些工具对数据进行预处理、特征选择、模型训练和评估。

应用:学生应能在真实或模拟的数据上实现机器学习算法,并对结果进行解释。

分析:学生应能够批判性地分析模型结果,识别可能的偏差和误差来源,并提出改进策略。

素质

了解:学生应认识到机器学习在社会和伦理层面可能产生的影响。

掌握:学生应培养严谨的科学态度和方法论,确保在模型构建和数据分析过程中的准确性和可靠性。

应用:学生应展现出解决问题的能力,能够在团队中合作,并有效沟通机器学习的结果和思想。

分析:学生应具备批判性思维能力,能够从伦理和社会的角度对机器学习应用进行分析和评价。

通过课程的学习,学生应达到在知识领悟、技能运用、问题解决和批判性思考方面的综合素质提升,为进一步的专业深造或职业发展打下坚实的基础。