- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
《神经网络与深度学习》课程标准
【课程名称】神经网络与深度学习
【适用专业】高等职业教育智能产品开发专业
一、课程定位
1.课程性质
本课程为智能产品开发专业职业技能核心课程。
2.课程任务
通过本课程学习培养学生智能产品设计与开发的综合能力,包括机器学习、深度学习相关概念,介绍TensorFlow的变量、矩阵和各种数据源等基本概念,深度剖析线性回归、支持向量机、*近邻域、神经网络和自然语言处理等算法,并结合丰富的实例详细讲解情感分析、回归分析、聚类分析、神经网络和深度学习实战等应用等。
3.课程衔接
本课程的前序课程为《Python程序设计》、《人工智能导论》,后续课程为《顶岗实习》。
二、课程目标
通过本课程学习,理解智能产品开发过程中涉及到的诸多AI技术,能够根据实际要求完成人工智能项目的设计、制作、调试,培养学生基本专业技能、积极参与意识、责任意识、协作意识和自信心,使教学过程更有目的性和针对性。养成良好的沟通能力与团队协作精神,具有安全文明的工作习惯、良好的职业道德、较强的质量意识和创新精神。具体应具备以下能力:
1.理解人工智能产品结构设计与生产过程的基本概念;
2.理解人工智能产品的基本算法、机器学习概念;
3.理解深度学习概念,了解其应用领域;
4.TensorFlow的变量、矩阵和各种数据源等基本概念
5.理解线性回归概念;
6.支持向量机;
7.聚类分析;
8.神经网络和自然语言处理等算法;
9.人工智能产品控制程序编写与调试;
10.智能产品使用说明书的编写。
【教学内容】
学习情境
职业能力目标
学习子情境
教学内容
课时分配
一、安装TensorFlow
1、安装前的环境准备
2、能够使用Linux系统和Python语言
3、能够独立安装Anaconda
4、能够安装CUDA和cuDNN
5、掌握TensorFlow测试方法
(一)安装CUDA和cuDNN
1、CUDA的安装
2、cuDNN的安装
3、Protocol Buffer
4、Bazel
5、从源代码编译并安装
4
(二)安装和测试TensorFlow
1、安装TensorFlow
2、运行向量相加的例子
3、加载过程存在的一些问题
4
二、TensorFlow编程策略
1、掌握计算图与张量
2、熟练使用TensorFlow的运行模型
3、正确创建变量并管理变量空间
4、掌握variable_scope()与name_scope()及其使用方法
(一)TensorFlow的数据模型
1、分析并演示分析TensorFlow的数据模型
2、会使用计算图描述TensorFlow计算模型
3、张量的使用
6
(二)TensorFlow的运行模型
1、TensorFlow系统结构概述
2、简单使用会话
3、使用with/as环境上下文管理器
4、Session的参数配置
5、placeholder机制
6
三、深度前馈神经网络
1、掌握网络的前馈方式
2、全连接的概念
3、神经元与全连接结构
4、前向传播算法
5、线性模型的局限性
6、激活函数
(一)网络的前馈方式及全连接的概念
1、前馈网络
2、全连接的概念
3、神经元与全连接结构
4
(二)激活函数
1、常用激活函数
2、激活函数实现去线性化
3、激活函数调用栈的查看
6
(三)多层网络解决异或运算
1、损失函数
2、经典损失函数
3、自定义损失函数
4
四、优化网络的方法
1、基于梯度的优化
2、反向传播
3、学习率的独立设置
4、拟合
(一)基于梯度的优化
1、梯度下降算法的概念
2、随机梯度下降
4
(二)反向传播
1、简要解释反向传播算法
2、自适应学习率算法
3、TensorFlow提供的优化器
6
(三)学习率的独立设置
1、指数衰减的学习率
2、其他优化学习率的方法
6
合 计
50
三、考核与评价
本学习领域的课程宜考核采用过程考核和期末上机随即抽题方式。
考核内容
平时考核(70%)
期末考核(30%)
备注
学生出勤
项目考核
上机考核
学生旷课1次扣10
分,迟到早退1次扣2分,事假1次扣2分。
所占比重
平时考核
里扣除
70%
30%
其中过程考核包括4个项目,总分为100分,乘以权值0.7。第一个项目占20%,第二个项目占25%,第三个项目占30%,第四个占25%,过程考核涵盖项目任务的全过程,主要包括项目实施等几个方面,见表3。
表3 过程考核方式与考核标准
项目名称
考核点及占项目分值比
考核内容
考核要求
扣分标准
TensorFlow环境的安装与配置(20%)
框架的安装(60%)
操作+记录
1.操作正确。
2.安装过程规范、准确。
3.记录结果规范正确。
1.操作不正确扣20分。
2.安装过程不规范、准确扣20分。
3.记录结果不规范正确扣
文档评论(0)