《基于机器学习的材料设计》教学大纲课程名称：基于机器学习的材料设计课程类别（必修/选修）：必修课程英文名称：MachineLearning-basedMaterialDesign其中实验/实践学时：0总学时/周学时/学分：32/2/2先修课程：高等数学、python语言程序设计基础后续课程支撑：概率论与数理统计、材料科学基础、毕业设计授课地点：6A-309授课时间：1-16周1-2节授课对象：2024杨振宁创新班开课学院：材料科学与工程任课教师姓名/职称：秦豹/讲师答疑时间、地点与方式：1.每次上课课间、课后答：2授课群答课程考核方式：开卷（）闭卷（V）课程论文（）其它（）使用教材：《基于机器学习的材料设计》作者：陆文聪，李敏杰，纪晓波，卢天，张爱敏科学出版社ISBN：978-7-03-077424-8课程简介：人工智能被称为“科学的第四范式”，而机器学习一直是人工智能的核心。本课程立足“机器学习”与“材料学”的结合，系统介绍机器学习算法在材料科学研究中的应用，使学生初步掌握在材料科学研究领域中更好应用机器学习算法的思路、方法和原理。在加强学生对机器学习基础知识、基本方法了解和与材料科学的结合，注重培养学生利用人工智能解决实际问题的能力，培养和引导学生的创新意识。课程教学目标及对毕业要求指标点的支撑：毕业要求课程教学目标支撑单业要求指标点NO.1工程知识：能够掌握数学、自然科学、工程目标一：指标点1.1具备解决材料科学与工程基础和专业知识，并将其应用于解决理工类相关领能够掌握机器学习算法原理，提炼研究工程中的材料科学领域复杂工程问题所需的数学、自然科域的复杂工程问题。问题，设计实验方案，进行数据分析，解决问题。学、工程基础知识及应用能力1
1 《基于机器学习的材料设计》教学大纲 课程名称：基于机器学习的材料设计 课程类别（必修/选修）：必修 课程英文名称：Machine Learning-based Material Design 总学时/周学时/学分：32/2/2 其中实验/实践学时：0 先修课程：高等数学、python 语言程序设计基础 后续课程支撑：概率论与数理统计、材料科学基础、毕业设计 授课时间： 1-16 周 1-2 节 授课地点：6A-309 授课对象： 2024 杨振宁创新班 开课学院：材料科学与工程 任课教师姓名/职称：秦豹/讲师 答疑时间、地点与方式：1.每次上课课间、课后答疑；2.授课群答疑 课程考核方式：开卷（）闭卷（✓）课程论文（）其它（） 使用教材：《基于机器学习的材料设计》作者：陆文聪，李敏杰，纪晓波，卢天，张爱敏 科学出版社 ISBN：978-7-03-077424-8 课程简介：人工智能被称为“科学的第四范式”，而机器学习一直是人工智能的核心。本课程立足“机器学习”与“材料学”的结合，系统介绍机器学 习算法在材料科学研究中的应用，使学生初步掌握在材料科学研究领域中更好应用机器学习算法的思路、方法和原理。在加强学生对机器学习基础知识、 基本方法了解和与材料科学的结合，注重培养学生利用人工智能解决实际问题的能力，培养和引导学生的创新意识。 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求 目标一： 能够掌握机器学习算法原理，提炼研究工程中的材料科学 问题，设计实验方案，进行数据分析，解决问题。 指标点 1.1 具备解决材料科学与工程 领域复杂工程问题所需的数学、自然科 学、工程基础知识及应用能力 NO. 1 工程知识：能够掌握数学、自然科学、工程 基础和专业知识，并将其应用于解决理工类相关领 域的复杂工程问题
目标二：指标点2.3能够认识到解决材料科学与NO.2问题分析：能够应用数学、自然科学和工程能够通过文献调研获取相关实验数据，学会用Python语言工程复杂工程问题有多种方案可选择，领域所涉及的基本原理和技术方法，并通过文献研分析数据，结合材料科学知识，学会分析结果的合理性。通过文献研究寻求可替代的解决方案，究、实践等，识别、表达、分析复杂理工类工程问分析和解决复杂工程问题备选方案实题，以获得有效结论。施过程的影响因素，获得有效结论目标三：指标点12.1能正确认识材料科学与工NO.12终身学习：具有自主学习和终身学习的意程等相关理论与技术的发展趋势与规对人工智能有初步的认识，为了加深人工智能在材料科学识，有不断学习和适应发展的能力。律，树立自主学习、终身学习的意识。中的应用而不断努力和学习，树立终身学习的目标理论教学进程表教学模式支撑课周次教学主题授课教师学时数教学内容（重点、难点、课程思政融入点）教学方法作业安排（线上/线下）程目标介绍人工智能在材料设计、加工以及各个科学研究中的应用：以及掌握科学的学习方法以更好地利用计算机这一当代最为重要的工具服务社会，创造价值。秦豹2线上课堂讲授目标三绪论及软件介绍重点：理解人工智能和机器学习：熟悉软件。难点：熟悉软件。课程思政融入点：让学生了解新质生产力的重要性，以及提高自身学习和利用先进工具平台的意识。2
2 目标二： 能够通过文献调研获取相关实验数据，学会用 Python 语言 分析数据，结合材料科学知识，学会分析结果的合理性。 指标点 2.3 能够认识到解决材料科学与 工程复杂工程问题有多种方案可选择， 通过文献研究寻求可替代的解决方案， 分析和解决复杂工程问题备选方案实 施过程的影响因素，获得有效结论 NO. 2 问题分析：能够应用数学、自然科学和工程 领域所涉及的基本原理和技术方法，并通过文献研 究、实践等，识别、表达、分析复杂理工类工程问 题，以获得有效结论。 目标三： 对人工智能有初步的认识，为了加深人工智能在材料科学 中的应用而不断努力和学习，树立终身学习的目标 指标点 12.1 能正确认识材料科学与工 程等相关理论与技术的发展趋势与规 律，树立自主学习、终身学习的意识。 NO. 12 终身学习：具有自主学习和终身学习的意 识，有不断学习和适应发展的能力。 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 （线上/线下） 教学方法 作业安排 支撑课 程目标 1 绪论及软件介绍 秦豹 2 介绍人工智能在材料设计、加工以及各个科学研究 中的应用；以及掌握科学的学习方法以更好地利用 计算机这一当代最为重要的工具服务社会，创造价 值。 重点：理解人工智能和机器学习；熟悉软件。 难点：熟悉软件。 课程思政融入点：让学生了解新质生产力的重要 性，以及提高自身学习和利用先进工具平台的意 识。 线上 课堂讲授 目标三
Python数据类型、NumPy、Pandas、Matplotlib和Python语言基础Scikit-Leam使用2秦豹线下课堂讲授目标一2及相关库介绍重点：Python数据类型及操作难点：软件Jupyternotebook的使用一元、多元线性回归及材料数据的分析回归方法及材料4秦豹线下课堂讲授目标一3、4重点：理解回归方法的数学原理数据分析难点：原理理解和数据分析支持向量机的算法原理及材料数据分析支持向量机及材4秦豹线下目标二课堂讲授5、6重点：理解支持向量机的数学原理料数据分析难点：原理理解和数据分析决策树的算法原理及材料数据分析决策树及材料数4秦豹线下课堂讲授目标一7、8重点：理解决策树的数学原理据分析难点：原理理解和数据分析集成学习的算法原理及材料数据分析集成学习及材料4秦豹线下课堂讲授目标一9、10重点：理解集成学习的数学原理数据分析难点：原理理解和数据分析符号回归的算法原理及材料数据分析符号回归及材料4秦豹线下课堂讲授目标一11-12重点：理解集成学习的数学原理数据分析难点：原理理解和数据分析神经网络的算法原理及材料数据分析神经网络及材料4秦豹线下课堂讲授目标二13-14重点：理解神经网络的数学原理数据分析难点：原理理解和数据分析3
3 2 Python 语言基础 及相关库介绍 秦豹 2 Python 数据类型、NumPy 、Pandas 、Matplotlib 和 Scikit -Learn 使用 重点：Python 数据类型及操作 难点：软件 Jupyter notebook 的使用 线下 课堂讲授 目标一 3 、 4 回归方法及材料 数据分析 秦豹 4 一元、多元线性回归及材料数据的分析 重点：理解回归方法的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标一 5 、 6 支持向量机及材 料数据分析 秦豹 4 支持向量机的算法原理及材料数据分析 重点：理解支持向量机的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标二 7 、 8 决策树及材料数 据分析 秦豹 4 决策树的算法原理及材料数据分析 重点：理解决策树的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标一 9 、 1 0 集成学习及材料 数据分析 秦豹 4 集成学习的算法原理及材料数据分析 重点：理解集成学习的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标一 1 1 - 1 2 符号回归及材料 数据分析 秦豹 4 符号回归的算法原理及材料数据分析 重点：理解集成学习的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标一 1 3 -14 神经网络及材料 数据分析 秦豹 4 神经网络的算法原理及材料数据分析 重点：理解神经网络的数学原理 难点：原理理解和数据分析 线下 课堂讲授 目标二
课程思政融入点：介绍科学家深度学习方面的页献，培养学生崇尚科学的精神。基于机器学习对一种材料进行数据分析并汇报重点：团队合作实现完整课题基于机器学习的秦豹线下4课堂讲授目标二15-16难点：算法与数据的完全理解材料设计课程思政融入点：介绍科学家如何推动材料基因工程的发展，培养学生崇尚科学的精神。32合计课程考核评价依据及成绩比例（%）课程目标支撑毕业要求指标点作业考勤考试1044054目标一指标点1.1424目标二指标点2.310102101022目标三指标点12.1总计301060100备注：1）根据《东莞理工学院考试管理规定》第士二条规定：广课3次（或6课时）学生不得参加该课程的期终考核。2）各项考核标准见附件所示。大纲编写时间：2025年2月21日4
4 课程思政融入点：介绍科学家深度学习方面的贡 献，培养学生崇尚科学的精神。 15-16 基于机器学习的 材料设计 秦豹 4 基于机器学习对一种材料进行数据分析并汇报 重点：团队合作实现完整课题 难点：算法与数据的完全理解 课程思政融入点：介绍科学家如何推动材料基因工 程的发展，培养学生崇尚科学的精神。 线下 课堂讲授 目标二 合计 32 课程考核 课程目标 支撑毕业要求指标点 评价依据及成绩比例（%） 作业 考勤 考试 目标一 指标点 1.1 10 4 40 54 目标二 指标点 2.3 10 4 10 24 目标三 指标点 12.1 10 2 10 22 总计 30 10 60 100 备注：1）根据《东莞理工学院考试管理规定》第十二条规定：旷课 3 次（或 6 课时）学生不得参加该课程的期终考核。2）各项考核标准见附件所示。 大纲编写时间：2025 年 2 月 21 日
系（部）审查意见：已审核，同意执行系（部）主任签名：2日期：2025年3月1日5
5 系（部）审查意见： 已审核，同意执行 系（部）主任签名： 日期： 2025 年 3 月 1 日