[0]封面与教学进度.docx

XX学院

教案

教研室：XX

课程名称：XX

授课班级：XX

授课教师：XX

学年学期：XX

《XX》课程基本信息

课程代码

授课学期

授课专业

授课人数

课程类型

学时学分

授课方式

考核方式

成绩构成

授课教室

使用教材

参考网站

备注

《XX》课程教学进度安排

周次

授课内容及内容摘要

备注

1

机器学习概述：基本原理、关键术语、数学本质、应用与发展趋势。

2

Python编程：数据类型、控制结构、函数、面向对象、输入与输出等。

3

绘图库与科学计算库：Matplotlib、Numpy。

4

数学基础:向量、矩阵、导数、常用距离等。

5

特征工程：特征提取与选择。

6

线性回归：基本原理、数学模型构建与求解。

7

Logitic回归：基本原理、数学模型构建与求解。

8

朴素贝叶斯：基本原理、数学模型构建与求解。

9

K近邻：基本原理、数学模型构建与求解。

10

决策树：基本原理、数学模型构建与求解。

11

支持向量机：基本原理与数学模型构建。

12

K均值聚类：基本原理、数学模型构建与求解。

13

神经网络：基本原理、数学模型构建与求解。

14

混合高斯模型：基本原理、数学模型构建与求解。

15

深度学习：PyTroch框架与常用模型。

16

深度学习：常用模型的应用。

17

集成学习：基本原理与集成策略。

18

集成学习：高级集成框架。

19

期末复习与考试

20