杨 光 陈亚睿

(防灾科技学院，河北 廊坊 065201)

1 引言

在大数据和人工智能背景下，数据正以惊人的速度产出并渗透到各行各业中，成为重要的生产要素[1]。机器学习技术作为数据分析的主要技术手段之一，作为人才市场的主要需求之一，成为当前学习和研究的热点，是计算机和信息处理相关专业本科和研究生人才培养的重要方面[2]。

机器学习课程的学习需要有统计、线性代数等数学基础，理论知识相对比较抽象，不易理解，并且知识点相对比较零散。学生在学习过程中容易陷入一个方法中，很难准确掌握整体知识脉络，导致学习到的知识难以应用于实际问题的解决，严重影响了学生的应用创新能力[3-4]。针对上述问题，本文拟在OBE-CDIO教育理念指导下，结合我校防灾特色，从实际地震灾害数据出发，设计机器学习各阶段处理的综合案例，以提问式、启发式等教学方法[5]，在体系化讲解理论知识的同时，引导学生自主完成算法的编写和调优，实现理论知识和算法实验的相互验证，不断提升学生对理论知识的理解和实践动手能力。

2 教学设计

本文采用Kaggle竞赛中的Significant Earthquakes:1965-2016数据集设计教学案例[6]，将机器学习的数据预处理、模型选择、策略定义、算法设计、算法实现和算法测试调优等内容融合成为一个知识体系，进行讲解与实验。该数据集包含23412条从1965至2016年发生的、大于5.5级的地震信息样本数据，包括地震发生的时间、经纬度位置、震级和深度等21个维度特征，其中有16个特征的数据类型是字符串，并且某些特征存在特征值大量为空的情况，该数据集的典型字段示例如表1所示。……