一、教学目的

  本课程的前导课程为《Python语言及其应用》、《大数据统计分析基础》、《数据采集与预处理》。机器学习是大数据分析中的一个核心技术。本课程的定位是通过任务引领式的实践操作掌握大数据分析相关的机器学习方法，让学生学会使用合适的机器学习方法解决不同行业、不同业务领域的数据分析需求，培养学生的实践动手能力、自主学习能力、团队合作能力、创新能力等，为今后从事数据挖掘、人工智能应用服务岗位工作打下坚实的基础。

  为学好本课程，请大致了解本课程的基本要求及授课目标：

  你也可以展开想一想，说一说你所了解的人工智能：

二、课程设计 

  传统的机器学习课程的教学只是针对机器学习方法的理论进行讲授，理论知识点讲完后，没有实践应用配合教学，学生不会灵活地综合各知识点进行数据分析应用，无法真正将所学的知识应用到实际的开发过程中。在信息时代，提倡把“知识”放在问题中，放到现实中，让学生通过收集信息、分析信息、处理信息和运用信息，主动地探索、发现、体验和解决问题，从而培养获取新知识和利用知识进行创新的能力。

  为了提高学生的技能和改变以前的教学情况，信息技术系大数据教研室经过多年的教学模式研究以及培养方案探索，认为项目式、模块化教法更加契合高职需求。本课程要求体现一周项目、学期工程等模块化教法改革，建立可视化的里程碑，激发学习兴趣、提升教学效果。因此，课程整体设计以项目应用为导向，把机器学习相关的知识点嵌入相应的项目实训中，让学生明确如何利于所学的知识来解决问题，通过项目实训和课堂实训巩固所学知识，符合高职学生的认知规律。倡导实施“教、学、做、训”的一体化教学，掌握好知识的同时，能很好的应用所学知识和所学技能，最终使学生切实掌握大数据分析技术，培养学生成为面向社会的实践型人才。

  本课程总课时为68学时。通过融入经典的机器学习案例和详尽的实践指导步骤，有利于学生的理解与学习。该课程理念要求充分的调动学生思考和动手能力，先做后教，精讲多练，实验课时约占到了总课时的2/3以上，使学生在“做中学、学中探”，课程均在计算机房完成。

三、主要教学内容         

（制作：大数据1802 谢佳佳）

四、课程考核

  综合评价（100分）=过程考核（60分）+期末考核（40分）

（1）过程考核占60分：

  ①出勤(20%)：扣分制（旷课1次-20分，请假1次-10分）

  ②课堂表现 (15%)：基础分60分（迟到/早退1次-5分，表现好/差1次+/-5分）

  ③超星平台学习（15%）：加分制（根据平台学习、作业完成情况计算）

  ④作业情况(50%) ：加分制（每次线下实验报告完成情况，按实际得分计算）

（2）终结性考核(考查)占40分：通过综合实训大作业形式开卷上机考查