课程介绍
使用机器学习技术的产品或服务在我们的生活当中不断普及，被应用于大数据分析、智能驾驶、计算机视觉等领域，并迅速改变生活。本课程以掌握一定的Python语言基础为前提，从具体的十一个精简案例切入，由浅入深、循序渐近展开学习机器学习在不同业务领域中的应用，内容上注重实用性和可操作性。具体涵盖了机器学习流程、有监督学习、无监督学习、数据分析与人工智能应用等需要掌握的基本知识和相应技能。本课程可作为大数据、人工智能、电子商务、软件技术等专业的高职生和应用型本科生学习机器学习、数据分析的入门教材，也可以作为Python提高教程来掌握相关内容，为机器学习方法的深入解读奠定基础。此外，本课程也可提供给工程技术人员作为学习与实践的参考。
教学目标
一、总体目标
通过任务引领型的项目活动，旨在使学生掌握大数据分析技术中机器学习方法的基本概念和综合应用技能，包括逻辑回归、K近邻、DBSCAN、K-Means、支持向量机、神经网络、循环神经网络等方法的基本概念，及方法在回归、分类、聚类中的应用。针对不同领域、不同形式的数据及分析需求，结合仿真案例，倡导学生在“做中学”，使学生在认知和实际操作上，对大数据分析技术有一个整体的认识和理解，为提高学生的职业能力奠定良好的基础。
二、具体目标
通过理论和实践教学，使学生掌握大数据分析的核心技术-机器学习方法的基本概念，并培养良好的不同方法的良好应用能力。
2.1 知识目标
主要掌握机器学习基本知识，结合掌握如下知识：
1）数据统计与分析基本流程；
2）经典及热门机器学习方法在数据分析上的应用；
3）机器学习方法的分类及应用场景；
4）回归的基本概念及线性回归、多项式回归方法的应用；
5）分类的基本概念及逻辑回归、朴素贝叶斯、决策树、支持向量机、KNN、随机森林、神经网络等分类方法的应用；
6）聚类的基本概念及DBSCAN、K-Means方法的应用；
7）深度学习的基本概念及CNN、RNN方法的应用；
8）机器学习方法在文本、语音、图像数据上的应用。
2.2 能力目标
能从实际需要出发，完成机器学习算法的综合应用，能提取数据集的特征，对特征进行处理，使用不同的方法对数据进行分析，对不同机器学习方法在应用进行评估。最终，能对模型进行验证和应用。能力目标具体如下：
1）能使用不同的程序设计语言对不同机器学习方法实现；
2）能使用第三方库对机器学习方法进行调用和应用；
3）会针对数据特征、应用环境和硬件约束选择合适的机器学习方法；
4）能针对具体情况对机器学习方法的参数进行调整；
5）能将机器学习模型应用至实际应用场景。
2.3 素质目标
1）培养学生的刻苦钻研的中国工匠精神、举一反三及创新思维。
2）培养学生知识的综合实践能力和良好的实际动手。
3）培养学生的集体协作能力、沟通能力和演讲能力，实事求是的学风、严谨的学习态度。
4）培养严谨的工作作风，利用较综合性项目培养学生对大数据分析工作有直观的了解和认识，使学生胜任今后的工作。
教学章节
