《深度学习》教学大纲 (2).docx

1

《深度学习》教学大纲

课程名称：深度学习

课程类别（必修/选修）：选修

课程英文名称：DeepLearning

总学时/周学时/学分：32/2/2

其中实验/实践学时：8

先修课程：大数据基础、制造系统中的信息集成技术

后续课程支撑：实习就业

授课时间：1-16周周三7-8节

授课地点：实验楼503

授课对象：2022智能制造1、2班

开课学院：粤台产业科技学院

任课教师姓名/职称：陈冠玮/讲师

答疑时间、地点与方式：1.分配习题演练，采用集中讲解方式

课程考核方式：开卷（）闭卷（）课程论文（）其它(√)

使用教材：工业机器人技术基础及其应用

1.教学参考资料：《深度学习与图像处理(PaddlePaddle版)》清华大学出版社钱彬朱会杰晋军伟编着；ISBN：9787302673774

2.线上：

1.https://codec.wang/docs/opencv/start/image-thresholding2./

课程简介：

本课程以图像处理技术作为切入点，围绕近些年流行的深度学习算法进行讲解，研究方向包括图像处理、基于视觉小车控制、PaddlePaddle深度学习等，重点剖析了各个图像处理领域常见的算法原理，并在此基础上结合新颖实用的项目案例贯穿所学，让学生在掌握算法原理基础上能够达到产业界要求的深度学习实战能力。

课程教学目标及对毕业要求指标点的支撑：

2

课程教学目标

支撑毕业要求指标点

毕业要求

目标1：

培养智能制造专业知识与技能的工程技术人才，运用机器学习结合深度学习认知厘清工程问题并提出解决方案。

指标点1.2掌握智能制造工程领域的专业基础理论和技术知识。

指标点2.2能熟练掌握利用现代文献检索工具调研、分析和解决电气工程领域复杂问题的能力。

毕业要求1-工程知识：能够运用数学、基础科学和智能制造工程专业相关知识，对智能制造工程问题具有解决能力。

毕业要求2-问题分析：能够应用数学、自然科学和工程科学的基本原理，对于智能制造工程复杂问题进行识别与表达，并通过文献研究分析，以获得有效结论。

目标2：

理解神经网络的数学模型求解，掌握理想大数据分析辨识的特点和数学模型的构建，学会将建立的模型应用于分析工程问题、解决工程问题

指标点4.1能够基于科学原理并采用科学方法对智能制造工程领域复杂工程问题进行实验设计、分析，并解释数据。指标点7.2能站在环境保护和可持续发展的角度思考专业工程实践的可持续性，评价智能制造产品周期中可能对人类和环境造成的损害和隐患。

指标点10.1能就专业问题，以口头、文稿、图表等方式表达自己的观点。

指标点11.2能在多学科环境下（包括模拟环境），在设计开发解决方案的过程中，运用工程管理和经济决策方法。

毕业要求4-研究：能够熟悉智能制造工程的机械加工、机械设计、单片机编程、PLC控制、工业机器人集成、工业物联网运维等基本科学研究方法，具有科学研究精神，为智能制造工程复杂问题提出有效研究手段并将问题有效解决。

毕业要求7-环境与可持续发展：能够评估智能制造工程复杂问题解决的工程手段所造成环境冲击，及对可持续发展的影响。

毕业要求10-沟通：通过有效沟通管道，能够对智能制造工程复杂问题提出具体思路与观点，使得问题得到同事或外界人士关心，为解决问题创造良好的沟通环境，加速解决问题时程。

毕业要求11-项目管理：学会智能制造工程项目管理方法与技巧，能够合理分配资源做好项目管理

3

。

目标3：

培养深度学习结合智能制造开发人才及结合智能制造领域整合能力，运动当代工具开发更贴近显示的仿真环境。

指标点5.2能针对具体的对象开发或选用满足特定需求的现代工具，模拟和预测专业问题，并能分析其局限性。

指标点6.2能分析和评价智能制造工程专业实践对社会、健康、安全、法律、文化的影响，以及这些制约因素对项目实施的影响，并理解应承担的责任。

毕业要求5-使用现代工具：能够针对智能制造工程复杂问题，合理选用适当的技术、资源、现代工具，进行预测与模拟并做可行性分析。通过国际化视野和跨文化交流合作的能力，发掘更多有效解决问题的现代工具。

毕业要求6-工程与社会：能够衡量智能制造工程复杂问题解决的工程手段所造成社会影响与结果。

4

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）

教学模式线下/混合式

教学方法

作业安排

支撑课程目标

1

图像处理的基本概念

陈冠玮

2

重点：

?模拟图像

?数学图像

?应用方向