人工智能基础(B) - 实验材料
课程实验概述
本课程设计了两个核心实验，旨在帮助学生掌握人工智能的实用技能。第一个实验基于Scikit-learn（sklearn）库，帮助学生理解和应用经典机器学习算法；第二个实验基于Keras深度学习框架，引导学生探索神经网络的构建与训练。这些实验专为非计算机专业学生设计，提供了详细的指导文档和示例代码，旨在培养学生将AI理论转化为实践的能力。
实验列表
实验一：使用Scikit-learn进行机器学习
本实验介绍机器学习的基本概念和流程，学生将使用Python的Scikit-learn库实现多种常见的机器学习算法，包括线性回归、逻辑回归、决策树、支持向量机、朴素贝叶斯和K均值聚类。每种算法都通过贴近经济、金融和管理领域的实际场景进行讲解，如销售额预测、信用违约分类、用户购买行为预测、客户流失分析、垃圾短信识别和客户消费分群。
实验采用循序渐进的方式，详细介绍每个算法的原理、代码实现和结果分析，帮助学生掌握从数据预处理、特征工程、模型训练到结果评估的完整机器学习工作流程。通过动手实践，学生将理解不同算法的优缺点及其适用场景，培养将AI理论转化为解决实际问题的能力。