《表1 课程内容及学时分配》
机器学习的基本内容包括基于决策树学习(ID3、C4.5)、基于函数的学习(神经网络、支持向量机等)、基于概率论的学习(贝叶斯网络)、基于实例的学习(k近邻)、基于规则的学习等部分,其中每一部分的具体内容都是计算机科学与技术专业中必不可少的基础[4]。表1给出了长沙理工大学的机器学习课程教学计划,总计32课时,其中理论讲授24学时、实验8学时,因此在课堂讲授中,一般只讲授必学单元的基本知识点。由于内容多、学时少,对于知识点在计算机学科的应用与拓展基本上没有时间讲解,常常导致以应用型人材培养的教学目标顾此失彼。例如,近年来,作为机器学习的重要分支,深度学习受到越来越来的关注,也涌现出大量新的方法与技术,目前安排的4学时只能讲解最老的神经网络相关基本知识,对深度学习的相关技术只能一带而过,更不能开始专门的实验让学生尝试最新的机器学习技术。
图表编号 | XD00106728500 严禁用于非法目的 |
---|---|
绘制时间 | 2019.10.25 |
作者 | 曾道建、向凌云、周书仁 |
绘制单位 | 长沙理工大学计算机与通信工程学院、长沙理工大学计算机与通信工程学院、长沙理工大学计算机与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |