5.郭迟-人工智能与机器学习-武汉大学研究生课程简介和教学大纲.pdf

武汉大学研究生《人工智能与机器学习》

课程建设方案

一、课程基本信息

课程名称人工智能与机器学习

课程代码

课程类型专业必修课程

授课语言中文

开课学院

开课年级研究生一年级

面向专业数据科学相关专业硕士

总学分2理论学分2实践学分0

总学时32理论学时32实践学时0

先修课程名称高等数学、概率论与数理统计、线性代数

后续课程名称深度学习、凸优化

张学工,汪小我.模式识别与机器学习[M]，清华大学出版

主要教材

社，2024

[1].周志华.机器学习[M]，清华大学出版社，2020

[2].李航.机器学习方法[M]，清华大学出版社,2022

[3].邱锡鹏.神经网络与深度学习[M]，机械工业出版社,2023

参考书目[4].[美]加文∙海克著，张浩然译.Scikit-learn机器学习（第2

版）[M],人民邮电出版社，2019

[5].AminZollanvari.MachineLearningwithPython:Theory

andImplementation[M],Springer,2023

课程负责人及团队成员

所在

角色姓名职称课程中承担任务电子邮箱

单位

卫星

指导老师郭迟导航教授指导课程建设guochi@whu.edu.c

n

中心

二、课程目标（提示：结合本校办学定位、培养目标及人才培养方

案，对学生学习本课程后应习得的价值观、专业知识以及应用相关

知识的能力水平等方面进行阐述。）

1.价值观塑造方面

围绕立德树人根本宗旨和数智人才培养需求，将知识传授、能

力培养和价值塑造融为一体，培养具备人工智能基础、能与所在专

业结合、具有创新意识的数据科学专业型硕士，提升学生的专业自

信和爱国情怀。

2.知识获得方面

培养学生掌握机器学习基本原理、基本方法及计算工具。了解

并掌握人工智能和机器学习的基本理论、研究范式和技术发展趋势；

在微积分、概率统计、线性代数等课程基础上，重点掌握线性回归、

线性分类、线性降维、核方法、BP神经网络、自编码器、卷积神经

网络、图神经网络、循环神经网络、Transformer网络和集成学习等

典型机器学习技术；围绕数据科学及理工类专业硕士特点，促进研

究生了解机器技术在其领域的创新应用；掌握基于Python的机器学

习相关计算工具。

3.能力培养方面

培养学生运用机器学习开展研究设计和项目实施，将数智科