《智能算法应用开发》课程教学大纲.docxVIP

《智能算法应用开发》课程教学大纲 一、课程概况 课程名称：智能算法应用开发课程学分：3.0 课程学时：48（理论学时：24；实验（实践）学时：24）课程性质：学科教育课程（选修） 开课部门：信工学院建议修读学期：6 建议先修课程：面向对象程序设计，智能算法程序设计，人工智能，适用专业（方向）：计算机科学与技术 二、课程地位、作用与任务 《智能算法应用开发》是高等学校计算机学科的一门专业选修课程，主要培养学生的系统性、创新性思维、综合设计能力和工程应用实践能力。 ??课程采用 Google 开源软件 TensorFlow 作为深度学习技术实现的平台，讲解基于 Tensorflow 的卷积神经网络和循环神经网络等的设计与实现，以及网络训练过程中的数据处理、网络调优与超参数设置，并介绍网络模型可视化、多 GPU 并行与分布式处理技术。通过??课程学习使学生掌握深度学习技术并能够应用该技术解决实际问题。为培养学生分析研究复杂工程问题提供系统分析、设计的基??理论和基??方法，支撑专业毕业要求中相应指标点的达成。 三、课程目标 （一）教学目标 自动控制原理 A 课程具体要求达到的特定教学目标包括： 教学目标 1. 掌握 Tensorflow 环境的搭建和使用，Tensorflow 处理流程和对图像数据的预处理，使学生具备扎实的实际工程开发能力，为解决实际问题打下坚实的基础。 教学目标 2. 掌握图像处理和深度学习的定义和基??概念，理解深度学习网络框架的基??构 建块，掌握基于图像处理的深度学习网络框架的设计与实现，使学生深入理解深度学习框架的构成。 教学目标 3. 通过具体的项目实战，掌握从具体问题建模，数据预处理，网络架构设计，基 于 Tensorflow 的程序实现，网络调优等完整的项目流程和开发技术，使学生能够利用各个学科的知识综合解决实际项目问题。 （二）??课程支撑的毕业要求 1. ??课程支撑的毕业要求：（毕业要求 1、3、4。）（毕业要求见 2018 版人才培养方案） 2. ??课程支撑的指标点：指标点 1.2、1.4、2.1、2.2、2.3、2.5、3.3 指标点 1.2：具有扎实的工程基础知识和计算机科学与技术专业基??理论知识。 指标点 3.4：能根据实施情况对设计的系统进行优化修正。 指标点 3.5：具有系统实现能力。 指标点 4.2：具有利用科学方法对数据进行分析，解决复杂工程的问题能力。 指标点 4.3：具有利用学习的知识，对信息进行归纳总结，获得研究成果，解决工程问题的能力。 《智能算法应用开发》课程教学目标与毕业要求的对应 《智能算法应用开发》课程教学目标与毕业要求的对应表 课程名称：智能算法应用开发 任课教师：刘昶 课程性质：专业选修 课程学分：3 课程支撑的毕业要求 课程目标、达成途径、评价依据 毕业要求 1： 1.2：具有扎实的工程基础知识和计算机科学与技术专业基??理论知识。 教学目标：培养学生利用基础理论知识分析复杂工程问 题的能力。 达成途径：通过 Tensorflow 环境的搭建和使用，使学生 具备扎实的实际工程开发能力，为解决实际问题打下坚实的基础。 评价依据：课堂笔记、提问和作业、课外作业。 毕业要求 2： 3.4 能根据实施情况对设计的系统进行优化修正。 教学目标：培养学生利用深度学习和优化理论对深度学 习模型进行优化修正。 达成途径：通过网络参数调优等，使学生能对设计的系统进行优化修正。 评价依据：课堂笔记和作业、课外作业。 毕业要求 3： 教学目标：培养学生利用 Tensorflow 搭建深度学习模型。 3.5：具有系统实现能力。 达成途径：通过从具体问题建模，数据预处理，网络架 构设计的完整项目实践，锻炼学生的项目实战能力。 评价依据：课堂笔记和作业、课外作业。 毕业要求 4： 教学目标：培养学生数据分析能力和解决复杂工程项目 4.2：具有利用科学方法对数据进 的能力。 行分析，解决复杂工程的问题能 达成途径：通过图像处理和深度学习基??概念的学习， 力。 理解深度学习网络框架的基??构建块，掌握基于图像处 理的深度学习网络框架的设计与实现，使学生深入理解 深度学习框架的构成，并通过程序调试发现和修正工程 项目中出现的 bug。 评价依据：课堂笔记和作业、课外作业。 毕业要求 5： 4.3：具有利用学习的知识，对信息进行归纳总结，获得研究成果， 教学目标：培养学生总结归纳信息的能力以及获得研究 成果，解决工程问题的能力。 达成途径：通过完整的项目实践，从数据输入，预处理，到网络结构的搭建，程序的调试和后期网络模型的优化 解决工程问题的能力。 等，让学生总结项目流程，分析程序 bug，最终达到信息归纳和解决工程问题的能力。 评价依据：课堂提问和课内作业、课外作业