2020 特等奖 上海交通大学 肖雄子彦《深度学习算法与实践》教学设计表.pdf

第二届全国高校混合式教学设计创新大赛 复赛教学设计表 一、课程基本信息 课程名称 深度学习算法与实践 负责人 肖雄子彦 所在学校 上海交通大学 课程类型 混合式 二、课程教学设计方案 （整门课程的教学设计） （限300 字） 《深度学习算法与实践》是一门公共选修课，面向全校各专业本科生。32 学时，2 学 分（线上学时占比约30%）。选课学生需具备Python 编程、微积分、线性代数相关基础。 课程内容覆盖深度学习计算机视觉（CV）与自然语言处理（NLP）相关知识原理与案 例训练，主要包括：回归与分类、神经网络、图像识别与 TensorFlow 、目标检测、自然语 1.课程简介 言处理模型等。 课程引入华为云一站式AI 开发平台 ModelArts、OBS 与智能硬件Hilens kit，强化理 论基础，提升学生动手实践能力。同时设立 PBL 小组项目，“以赛促学”，锻炼学生团队协 作，解决复杂问题等综合能力。 课程旨在培养学生人工智能算法技能与实践能力，促进AI 与多学科的交叉融合。 （结合本校办学定位、学生情况、专业人才培养要求，具体描述学习本课程后应该达到的价值、 知 识、能力水平。限 300 字。） 1、理解AI 的社会行业价值，树立技术强国意识与责任担当。在优秀人物引领作用下，培 养学生潜心钻研，坚持不懈的工匠精神，强化信息安全等工程伦理教育。 2、系统掌握回归与神经网络分类模型原理，熟练运用华为云平台完成分类案例，具备分 2.课程目标 析、优化网络结构的能力。 3、掌握CNN、Inception 等图像识别网络，熟练应用TensorFlow 完成识别任务。 4 、能比较不同目标检测算法的优劣势，基于华为AI 平台进行标注、训练、部署等AI 开发 任务，掌握综合实验方法。同时理解基础语言模型，了解进阶的BERT 模型。 5、具备拓展学习新网络，结合行业案例项目实践能力。具备团队合作与展示、解决复杂问题 的综合能力。 1 （限300 字） 不同于学院的专业选修课，我们的课程具有以下特殊学情： 1、选课学生来自不同的学院和专业，年级从大一到大四不等。大部分学生具备了课程所 需的 Python 编程、微积分与线性代数知识，但少部分同学基础较薄弱。学生的算法基础 也参差不齐。 3.学情分析 2、学生的选课动机很明确，动手实践意愿很强。他们的工程能力与实践能力普遍较弱，但作 为上海交大的本科生，自学能力较强。 （凝练混合式教学拟解决的重点问题。限 300 字。） 1、学生来自不同学院和专业，因此编程、数学和算法基础参差不齐。于是，我们需要设 计一套混合式教学方法，将合适的基础知识与产业资源前置上线，通过线上线下的教 学联动，加强学生基础，调动自主学习的积极性。 2、学生动手能力较弱，不了解行业需求。因此引入华为产业平台，结合课程内容开发实 4.重点问题 践案例，同时通过PBL 项目式学习，提升学生工程实践等综合能力。 （根据重塑课程内容的要求，描述如何进行课程内容与资源的建设、整合及应用。限 500 字。） 5.课程内容 图 1 学情分析、重点问题、解决方案 结合学情与重点问题，提 课程改革思路：