《深度学习技术应用》课程标准.pdf

《深度学习技术应用》课程标准

课程代码：

课程类别：专业核心课

课程属性：必修课

学分/学时：4学分/64学时

开课单位：

适用专业：人工智能技术应用

制订人：

审订人：

一、课程概述

(一)课程性质

本课程是高等职业学校人工智能专业的专业基础课之一，是该专业的一门基础课程。

(二)课程任务

本课程主要针对人工智能算法工程师、人工智能实施维护工程师、人工智能系统运维

工程师、人工智能技术支持工程师、人工智能训练师、人工智能测试工程师等岗位开设，

主要任务是培养学生在人工智能深度学习神经网络模型搭建、模型训练、模型评估、模型

部署、模型测试等工作任务的能力。

(三)课程设计思路

本课程以高等职业院校“人工智能技术应用”专业的学生就业为导向，将教学内容与

工作岗位对专业人才的知识要求与技能要求结合起来，将项目实践提升到一个较重要的位

置，按照“理论—项目构建—项目实施”的组织结构进行课程设计。

本课程共分6个项目，基于Tensorflow的服装图像分类、基于Tensorflow的文本分

类、使用迁移学习的方法实现新冠肺炎X光检测、基于Flask的模型应用与部署—猫狗

识别、基于神经网络的语言处理—古诗词生成、使用VGG19迁移学习实现图像风格迁移，

通过6个项目系统介绍了深度学习技术应用的实践开发技术。课程在介绍深度学习神经网

络后，重点阐述人工智能深度学习模型训练的项目开发，突出了人工智能深度学习模型训

练在实际项目中的应用。在内容的编排上淡化了学科性，避免介绍过多偏深的理论，而注

重深度学习模型训练在具体运用中的要点、方法和技术操作，逐层分析和应用深度学习技

术进行实际项目的开发。

(四)前后续课程

序号前续课程名称前续课程为本课程支撑的主要能力

1人工智能导论人工智能基础知识能力

2Python程序设计Python程序编程和开发能力

序号后续课程名称本课程为后续课程支撑的主要能力

人工智能前端设备

1模型训练、优化、评估的能力

应用

二、课程目标

（一）总体目标

本课程要求学习了解人工智能深度学习应用技术，培养学生具备高职人工智能技术应

用专业所需要的深度学习的基本知识和技能，熟悉并能使用Tensorflow深度学习框架对

模型进行训练、调参或者维护，具备对人工智能深度学习技术领域出现的新技术、新思想

进一步学习的能力。

希望通过本课程的学习，加深对深度学习神经网络的理解，为进一步研究和从事深度

学习模型开发和工程实践提供良好的基础和参考。

（二）具体目标

1.知识目标

1)了解深度学习与神经网络的概念

2)了解Tensorflow深度学习框架及Keras模块的相关知识

3)理解迁移学习的概念及适用场景

4)理解Flask框架的相关知识

5)理解RNN循环神经网络、LSTM神经网络的结构与特点

6)掌握模型训练超参数的配置方法

7)掌握基础的模型评估指标和模型分析方法

2.能力目标

1)具备搭建模型训练所需环境的能力

2)具备使用Tensorflow中的Keras模块搭建图像识别模型并进行训练的能力

3)具备使用VGG19模型搭建图像识别模型并进行训练的能力

4)具备使用LSTM框架搭建文本生成模型并进行训练的能力

5)具备使用Flask框架进行模型的应用部署的能力

6)具备使用可视化依赖库对训练模型进行评估和分析的能力

3.素质目标

1)培养谦虚、好学、勤于思考、认真做事的良好习惯———严谨的开发流程和正确编

程思路；

2)培养团队协作能力———相互