《深度学习基础及应用》课程标准.docxVIP

《深度学习基础及应用》课程标准

【课程名称】深度学习基础及应用 【课程编码】

【课程类别】专业选修课 【适用专业】人工智能、大数据技术、计算机

等相关专业

【授课单位】 【总学时】48

【编写执笔人】 【编写日期】

一、课程定位和课程设计

1.1课程性质

本课程是人工智能、大数据技术、计算机等相关专业的一门专业选修课，提供深度学习的入门基础讲解，让学生能够较为全面地了解深度学习这门学科的各类问题和方法论，主要包括监督学习、无监督学习等主要学习算法。此外，本课程强调学生的动手能力，要求学生通过编程练习和典型应用实例加深理解，同时对深度学习的一般理论，如神经元与感知器、利用卷积神经网络进行图像处理、利用循环神经网络进行文本预测和分类、利用生成对抗神经网络进行图像生成、利用迁移学习进行图像分类等有所了解。要求学生具备基本编程基础。具有很强的实践性，对于培养学生的实践能力、创新能力、分析和解决问题的能力都起到十分重要的作用。要求学生既要掌握基础理论知识，又要结合工作实际，提高学生实践应用能力。

1.2课程设计思路

课程教学目标和组织在“定向对接，工学一体”人才培养模式的理念和方法指导下，以典型工作任务教学贯穿课程始终，突出实践教学过程，强化实践教学环节管理，增强实践教学效果。针对市场需求，以学生为本，选取循序渐进的典型工作项目“学习包”为载体构建学习情境，营造“易学乐学”的学习氛围，培养学生的专业能力、方法能力和社会能力。以学生为中心、工作过程为导向，采用小组化教学，融“教、学、做”为一体，培养学生的职业工作能力、团队协作能力和创新能力。保持课程的开放性，培养学生的可持续发展能力。

二、课程目标

1．知识目标

（1）通过课堂教学，要求学生对国际上深度学习研究及应用领域的现状和发展有较为全面的了解和把握，掌握其中的主流学习方法和模型（监督学习和非监督学习），并能够根据实际问题的需要选择并实现相应的算法。

（2）了解神经元与感知器、利用卷积神经网络进行图像处理、利用循环神经网络进行文本预测和分类、利用生成对抗神经网络进行图像生成、利用迁移学习进行图像分类等知识。

2．能力目标

（1）能够掌握TensorFlow深度学习理论搭建深度学习开发环境

（2）掌握Python深度学习常用库的使用

（3）能够构建神经网络

（4）能够利用卷积神经网络进行图像处理

（5）能够利用循环神经网络进行文本预测和分类

（6）能够利用生成对抗神经网络进行图像生成

（7）能够利用迁移学习进行图像分类

3．素质目标

（1）树立勇于探索、追求真理的职业精神

（2）养成坚持不懈、刻苦钻研的工作作风

（3）发扬精益求精的工匠精神，养成严谨认真的工作态度

（4）善于与人沟通协调,有良好的团队合作精神

（5）具备善于动脑、勤于思考、敢于创新、勇于展现的优秀素质

三、课程内容与教学要求

本课程内容分为3个篇章8个项目，内容包括：基础篇的搭建深度学习开发环境、夯实深度学习开发基础、构建神经网络；模型篇的利用卷积神经网络进行图像处理、利用循环神经网络进行文本预测和分类、利用生成对抗神经网络进行图像生成、利用迁移学习进行图像分类和应用篇的交通标志识别，其教学要求和课时分配如表1所示。

表1《深度学习基础及应用》课程要求及课时分配表

项目

项目名称

教学内容

教学要求

课时分配

项目1

搭建深度学习开发环境

人工智能、机器学习和深度学习

深度学习的应用领域

深度学习的主流框架

搭建深度学习开发环境

理解深度学习的基本概念。

了解深度学习的应用领域。

掌握深度学习的基本类型与一般过程。

了解Python深度学习常用库。

2

项目2

夯实深度学习开发基础

（1）Python深度学习常用库

（2）TensorFlow深度学习基础

?掌握NumPy库中数组的创建、运算和操作方法

掌握使用Matplotlib绘制常用图表的方法

了解scikit-learn库的基本数据集和主要功能

掌握TensorFlow中张量的定义、创建、运算和操作方法

能够从scikit-learn库或TensorFlow中的Keras库导入数据集

能够使用NumPy库的函数查看导入数据集的数据属性和元素的值

能够根据数据集中特征值和标签值的特点，选择合适的可视化图形对数据进行展示

2

项目3

构建神经网络

神经元与感知器

激活函数

神经网络的训练

神经网络的过拟合及其处理方法

使用Keras构建神经网络

了解人工神经元模型的来源

掌握M-P神经元模型、单层感知器模型和多层感知器模型的结构

掌握常用激活函数的定义及应用

掌握神经网络的训练流程和常用算法

理解神经网络的过拟合及其处理方法

掌握使用Keras构建顺序神经网络模型的流程及相关函