03M0269-《深度学习》-教学大纲.docVIP

PAGE5

《深度学习》教学大纲

课程英文名

DeepLearning

课程代码

03M0269

学分

2

总学时

32

理论学时

16

实验学时

0

上机学时

16

实践学时

0

课程类别

专业课

课程性质

任选

先修课程

人工智能导论

适用专业

计算机科学与技术

开课学院

信息工程学院

执笔人

杨小兵

审定人

制定时间

2024年12月

注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。

一、课程地位与课程目标

（一）课程地位

本课程是计算机科学与技术专业在人工智能方向上的一门重要的实践型课程。其目标是使学生掌握深度学习算法与基本开发工具和开发技巧，能够利用深度学习知识进行开发。本课程的主要内容有：TensorFlow基础、TensorFlow运作方式、卷积神经网络、字词的向量表示、递归神经网络等深度学习应用领域的扩展库，理解各类深度学习算法的基本原理，进而能进行深度学习应用系统的分析与开发。通过该课程专业知识的学习可以培养学生以实际应用问题为导向，综合运用所学的专业知识和对实际问题进行调研分析的各项专业能力和素质。该课程的学习使得学生能够从事深度学习系统的系统分析和开发等相关工作，为后续的毕业设计和从事深度学习系统方面的工作奠定基础。

课程目标

理解Python在深度学习应用领域的扩展库，及相应的基本原理。

掌握实现深度学习应用系统的系统分析与设计开发的能力。

能够针对一个实际应用问题，提出基于深度学习的技术路线、系统框架和开发计划，并完成一个基于深度学习的小型人工智能系统。

（三）思政目标

通过介绍深度学习发展史以及GPU芯片对深度学习的决定性作用，引出华为独立研发麒麟芯片事件，激发科技强国的责任感。

通过介绍深度学习在北京冬奥会上的应用等案例，开拓学生视野，培养精益求精的工匠精神，增强学生的社会责任感。

通过介绍我国国务院发布的《新一代人工智能发展规划》，激发学生的学习热情和坚定报效祖国的信念。

课程目标达成的途径与方法

课程目标

课程目标内容

支撑毕业要求指标点

目标达成的途径与方法

教学内容

课程目标1

理解Python在深度学习应用领域的扩展库，及相应的基本原理。

指标点2.2：能够运用数学、自然科学和计算机科学的基本原理分析问题，通过文献研究来分析需要解决的问题。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第1章绪论

第2章Python基础应用

第3章TensorFlow基础

课程目标2

掌握实现深度学习应用系统的系统分析与设计开发的能力。

指标点3.2：能够针对特定需求，根据系统设计进行复杂计算机系统的开发。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第4章TensorFlow运行方式

第5章MNIST机器学习

第6章卷积神经网络

第7章字词的向量表示

第8章递归神经网络

课程目标3

能够针对一个实际应用问题，提出基于深度学习的技术路线、系统框架和开发计划，并完成一个基于深度学习的小型人工智能系统。

指标点5.2：能够针对具体的问题，选用或开发满足特定需求的计算机软硬件工具和设备，利用合适的信息资源，对复杂工程问题进行分析、计算、设计、模拟和预测，并能够分析其局限性。

1.课堂教学

2.课堂讨论

3.实验

4.课外作业

第9章Mandelbrot集合

第10章偏微分方程模拟仿真

第11章人脸识别

三、课程目标与相关毕业要求的对应关系

课程目标

课程目标对毕业要求的支撑程度（H、M、L）

毕业要求2

毕业要求3

毕业要求5

课程目标1

M

课程目标2

M

课程目标3

M

四、课程主要内容与基本要求

第1章绪论

1.1人工智能简介

1.2人工智能的发展历史

1.3人工智能技术的研究内容与应用领域

1.4人工智能与TensorFlow

基本要求：了解人工智能、机器学习及深度学习的基本概念，了解人工智能及深度学习的发展历史及TensorFlow等深度学习技术。了解深度学习在我国的发展现状，熟悉我国现阶段急需的深度学习领域相关技术，树立将来投身于祖国建设的信念。

第2章Python基础应用

2.1引言

2.2Python的安装

2.3数据类型与数据结构

2.4数字

2.5变量及其命名规则

2.6语句和表达式

2.7字符串

2.8容器

2.9函数

2.10常用库

基本要求：了解Python语言在深度学习中的地位，掌握Python语言基本语法，掌握利用相应的Python扩展库实现关键算法的技术。通过对Python语法的再学习，培养学生温故而知新的学习态度。

第3章TensorFlow基础

3.1TensorFlow的架构

3.2TensorF