Skip to the content.

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
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

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。