面向深度学习的神经网络架构搜索与超参数优化——硕士研究生人工智能核心课教案.docxVIP

面向深度学习的神经网络架构搜索与超参数优化——硕士研究生人工智能核心课教案

??一、教学设计理念与指导思想

??本教学设计秉持“前沿引领、交叉融合、项目驱动、能力导向”的核心理念，旨在回应人工智能领域，特别是深度学习方向对高端创新人才的迫切需求。课程架构超越了传统机器学习课程中对基础神经网络模型的泛泛介绍，直接切入当前研究与应用的核心瓶颈与前沿——模型性能的极致优化。我们以“神经网络优化”这一宏观命题为起点，将其精准锚定并深化为“神经网络架构搜索”与“超参数优化”两大相互关联的高级主题。指导思想深度融合了“建构主义学习理论”与“工程教育专业认证（OBE）”标准，强调在真实、复杂的学术与工程问题情境中，引导学生主动建构知识体系。教学不再是知识的单向传递，而是引导学生像领域专家一样思考、像资深工程师一样实践。通过精心设计的“项目式学习”主线，学生将经历从问题定义、文献综述、算法选型、实验设计、代码实现、结果分析到最终报告与答辩的完整科研与工程闭环。本课程着力培养学生的四大核心素养：一是对深度学习模型内部工作机制及其优化理论根基的深刻理解；二是对前沿优化算法（如基于梯度的优化、贝叶斯优化、进化算法、元学习等）的批判性评估与灵活应用能力；三是熟练运用主流自动化机器学习工具解决实际问题的工程实践能力；四是形成严谨、系统、可复现的科研方法论与伦理意识。课程内容紧密追踪国际顶级会议的最新成果，