《深度学习》教学大纲.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）：必修

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：16

先修课程：具备Python程序语言、数据结构、基础的数学和统计学知识。

后续课程支撑：毕业设计

授课时间：1-16周星期一(7-8节)

授课地点：机房503

授课对象：22电商1-2班

开课学院：粤台产业科技学院

任课教师姓名/职称：杨荣贵/副教授

答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑

课程考核方式：开卷（）闭卷（）课程论文（）其它（）作业、期末报告

使用教材：《深度强化学习原理与实践》，陈喆，清华大学出版社，出版日期：2024-05-01，教材ISBN：9787302660705

教学参考资料：《PyTorch生成对抗网络编程》，韩江雷，人民邮电出版社，出版日期：2020.12，ISBN：9787115546388

课程简介：

深度学习极大地推动了AI的发展，使机器能够自动学习数据中的复杂模式，并在多个领域（如计算机视觉、自然语言处理、语音识别等）取得了突破性进展。课程内容将通过讲座、实际项目、案例分析和讨论来传授。学生将有机会使用流行的机器学习工具和框架，例如PyTorch和Scikit-learn，以实际动手经验深化他们的理解。

课程教学目标及对毕业要求指标点的支撑：

课程教学目标

支撑毕业要求指标点

毕业要求

目标1：

掌握深度学习的基本概念和相关技术，了解深度学习在数

1.交叉知识的运用能力

3.（技术工具的应用能力）

1-工程知识：能够运用数学、基础科学、计算机科学与技术、企业互联网平台系统、电子商务信息管

2

据处理与模式识别中的应用现状、发展前景和研究方向。

理与信息系统、电子商务经营管理等相关知识，对企业互联网与电子商务系统开发运维问题具有解决能力。

目标2：

强化在深度学习中的算法设计、分析的能力；同时，培养学生阅读外文资料、文献调研方面的能力。

2（实验与数据解读能力）

4（计科与大数据分析专业能力）

4-研究：能够熟悉企业互联网与电子商务系统的前端设计、后端设计、数据库设计、数据挖掘、大数据分析、云计算等基本科学研究方法，具有科学研究精神，为企业互联网与电子商务系统开发运维复杂问题提出有效研究手段并将问题有效解决。

目标3：

锻炼学生应用各种手段查阅文献资料、获取信息、拓展知识领域、继续学习并提高业务水平的能力。

6（解决复杂问题的能力）

7（持续学习与创新超越能力）

4能够采用科学方法对化学领域工程问题进行研究和分析，包括设计实验、处理与解释数据得到合理有效的结论

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

课程介绍和深度强化学习原理

杨荣贵

2

重点；人工智能与深度学习观念剖析

难点：人工智能与深度学习的整合性概念课程思政融入点：在课程中加入涉及我国计算机科学家及工程师在对计算机学科发展作出的贡献和利用人工智能与深度强化学习原理及技术在其他领域应用取得了新

线下

课堂讲授

课后作业：

1.练习安装Anaconda,PyCharm,PyTorch。熟悉架构神经网络的操作

目标1

3

成就等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学生的爱国热情和民族自豪感。

2

强化学习算法初探：多臂老虎机

杨荣贵

2

重点；介绍强化学习的原理

难点：对于强化学习的应用场景

课程思政融入点：说明深度强化学习技术对国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。

线下

课堂讲授

课后作业：

实作多臂老虎机范例

3

开发环境介绍：Gym

杨荣贵

2

重点；介绍Gym开发环境的原理

难点：对于Gym开发环境的应用场景

课程思政融入点：说明深度强化学习技术对国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。

线下

课堂讲授

课后作业：

Gym环境安装

4

有限马尔可夫决策过程

杨荣贵

2

重点；介绍有限马尔可夫决策过程的原理难点：对于有限马尔可夫决策过程的应用场景

课程思政融入点：培养学生利用循序渐进、举一反三的方法认识、分析问题的能力；树立凡事要脚踏实地、从基础做起、积跬步以至千里的理念。

线下

课堂讲授

课后作业：

有限MDP的基本概念

5

Q-Learning

杨荣贵

2

重点