《机器学习与纺织品贸易预测Machine》课程介绍

发布日期:2019-06-03


本课程是一门面向纺织工程专业本科生开设的专业选修课程,其主要目的是培养学生利用机器学习的方法和思想建立模型、解决纺织品贸易过程中遇到的价格、风险等预测问题,为学生开展相关领域技术开发和科学研究奠定基础。

机器学习是当前重要的热点研究方向,研究成果丰硕。随着移动互联网、物联网等快速发展,机器学习在多个领域(数据挖掘、大数据分析、时间序列分析预测等)成为关键核心和支撑技术。

本课程的主要内容包括:人工智能、机器学习、深度学习之间的关系;机器学习的类型,包括:有监督学习、无监督学习、半监督学习和增强学习的基本概念;预测问题、分类问题、聚类问题的基本概念和判断准则;典型回归算法,包括:线性回归、逻辑回归;时间序列数据集的基本概念,包括:平稳序列和非平稳序列;典型时间序列分析和预测算法,包括:传统的自回归模型AR、移动平均模型MR、自回归移动平均模型ARMA、自回归积分滑动平均模型ARIMA,以及基于神经网络的长短期记忆模型LSTM和递归神经网络RNN。

本课程的教学思想本着少而精的原则,突出重点深入浅出。教学方法采用理论与案例相结合的教学方式,使用纺织贸易领域实际数据集和实际案例为示例,培养学生的实际动手能力和解决实际问题的能力。

  本课程的先修课程为:线性代数、概率统计、计算机信息技术(大数据方向)、Python实验数据处理。



XML 地图 | Sitemap 地图