Python

1 课程介绍

1.1 简介

  1. 基本信息：2学分，人工智能领域方向，选修课
  2. 开课目的：掌握python编程基础及基于python的机器学习与深度学习编程能力
  3. 教学方式：课上讲解和实验上机实习形式
  4. 考核方式：考察课

1.2 核心内容

  1. Python编程基础：python基础、python数据结构、python对象、python函数
  2. 基于Python的机器学习编程：Anaconda安装与使用、scikit-learn机器学习算法编程及实验（逻辑回归、K近邻、主成分、决策树、支持向量机、聚类、贝叶斯算法）
  3. 基于Python的深度学习编程：Tensorflow、Pytorch框架介绍及编程、基于Python的CNN、RNN、LSTM、BERT编程及实验

1.3 考核方式

分组完成一个基于python的机器学习或深度学习课程项目，完成项目开发与测试，分组演示，详细说明项目开发过程及结果，并说明分组成员的工作情况，并提交完整项目PPT演示文档、课程项目详细报告、源代码工程文件夹。

1.4 成绩权重比例

组成 权重 说明
平时成绩 50% 考勤占比10%、平时作业及实验40%
课程项目考核成绩 50% 评分标准：完成项目的创新性(30%)、工作量(30%)、项目效果（25%）、团队协作程度（15%）

2 课程资料

课件 对应代码
2-Python进阶知识 2-Python进阶知识
3-机器学习介绍 无
4-线性回归算法 4-线性回归算法.py
5-二元Logistic回归算法 5-二元Logistic回归算法.py
6-多分类Logistic回归算法 6-多分类Logistic回归算法.py
7-判别分析算法 7-判别分析算法.py
8-朴素贝叶斯算法 8-朴素贝叶斯算法.py
9-高维数据惩罚回归算法 9-高维数据惩罚回归算法.py
10-K近邻算法 10-K近邻算法.py
11-主成分分析算法 11-主成分分析算法.py
12-聚类分析算法 12-聚类分析算法.py
13-决策树算法 13-决策树算法.py
14-支持向量机算法 14-支持向量机算法.py
15-随机森林算法 15-随机森林算法.py

3 平时作业

  1. 作业1：安装python3环境，完成课件中的任意一道编程练习题，提交代码及运行结果。
  2. 作业2：完成“python进阶知识”ppt中的作业2内容，提供代码及运行结果截图。
  3. 作业3：在课件4-6回归算法ppt中的3个作业习题中任选1题，提供代码及运行结果截图。
  4. 作业4：完成课件7,8,9ppt中的3个作业习题中的任意一个，提供代码及运行结果截图。
  5. 作业5：完成课件10,11,12ppt中的3个作业习题中的任意一个，提供代码及运行结果截图。
  6. 作业6：完成课件13,14,15ppt中的3个作业习题中的任意一个，提供代码及运行结果截图。