《深度学习实战》课程标准(教学大纲).docx

PAGE

《深度学习实战》课程标准(教学大纲)

（一）基本信息

适用对象：人工智能技术应用专业、软件工程专业、电子商务专业

课程代码：250184

课程类别：必修课程

学分：4

学时：60学时

先修课程：Python程序设计语言、机器学习基础

制定人：程源

（二）课程的性质与定位

本课程是专业课，属于专业必修课。本课程包括30学时的理论教学和30学时的实践教学，在校内完成。本课程适用于人工智能技术应用专业、软件工程专业、电子商务专业，让学生在先修课程的基础上，为学生进行人工智能工程与管理职业技能训练、毕业综合实践等后续课程及从事人工智能相关等岗位工作打下基础。

（三）课程目标

1.总体目标

《深度学习实战》是面向人工智能技术应用专业的一门专业课，涉及机器学习基础、深度学习基础、利用深度学习框架实现深度模型以及产品环境中的模型部署等内容。通过本课程的学习，学生能够掌握利用深度学习框架实现深度学习模型的基础知识。

本课程主要目标在于帮助学生理解深度学习的基础理论，掌握利用深度学习实现深度学习模型的基本方法，同时具备一定的产品环境中模型的部署能力。通过本课程的学习，使学生掌握深度学习的基本理论和实践方法，同时通过工作任务式学习提升分析问题、归纳总结问题、解决实际复杂问题等方面关键能力，从而使学生形成积极参与、主动探索、注重团队精神和责任意识等方面的职业素质。

实施课程思政。以人工智能案例等作为融入点，使学生了解行业必威体育精装版发展动态，激发学生社会责任感；了解人工智能在政治、经济、军事和社会稳定等方面的重要性，通过实际案例进行分析，培养学生的爱国热情。

2.具体目标及要求

（1）专业能力目标

课程的教学要达到三个层次的目的：

1.知识结构。掌握深度学习基础和深度学习框架相关的基础知识和实践技能，能运用TensorFlow或飞桨框架进行程序设计开发。

2.思维结构。在教学过程中培养学生的计算思维和逻辑，使学生能够用计算和逻辑思维去分析问题和解决问题，在学习职业技能的同时培养思维习惯。

3.职业素养。通过课程的教学，使学生对操作系统的存在问题和发展趋势形成自己的认识，能够在工作实践中更好地解决问题并把握机会。

（2）关键能力目标

课程传授的关键能力主要包括以下几个方面?：

1.问题模型化能力?；

2.复杂数据结构化能力；

3.数据预处理能力；

4.特征理解和转换能力；

5.选择适当算法的能力；

?6.区分经验误差与泛化误差能力；

7.团队合作能力；

?8.业务和技术结合能力。

（3）课程思政要求

1）通过分析人工智能发展历史和现状，了解行业发展动态，激发学习动力，培养社会责任感和爱国热情。

2）在人工智能领域，中国取得了很多瞩目的成绩，通过介绍我国在人工智能领域的成绩，激发学生的民族自豪感，让学生把国家富强、民族振兴、人民幸福内化为努力学习的动力。

3）融入企业应用实例，了解行业新技术，培养学生“工匠精神”，提高学生的信息安全意识和法律法规意识。

（四）课程设计思路

本课程分为五个模块，分别对应于《Python深度学习入门与实战》（程源等，电子工业出版社，2024）的第二部分的第7至11章，集中讨论现代深度学习技术及其应用，可以根据需要选择部分章节讲授。模块一介绍了一系列构建先进卷积神经网络模型的高级技术。模块二展示了深度学习在目标识别中的应用，重点介绍了YOLO算法及其应用。模块三展示了如何将循环神经网络、注意力和Transformer编码器和位置编码用于中文文本分类。模块四介绍Transformer架构及其在机器翻译和文本生成等任务种的应用。模块五介绍了使用卷积神经网络和循环神经网络进行视频分析CNN-RNN架构和基于Transformer的混合模型的视频分类。

（五）教学内容

1.学时分配

模块名称

子学习情境

学时

分配

小记

模块1

卷积神经网络进阶

深度学习框架

搭建自己的深度学习工作站

2

12

构建经典的卷积网络

构建AlexNet网络

2

使用数据增强来降低过拟合

2

构建VGG网络

2

构建残差网络

2

特征提取

使用预训练的卷积神经网络进行特征提取

2

模块2

目标检测

目标检测的基本概念

目标定位

2

12

制作正样本

交并比

先验框

非极大值抑制

目标检测方法的性能评估

YOLOv3算法

基本框架

4

产生候选区域

特征提取

解码预测结果

损失函数

训练自己的YOLOv3模型

数据集的准备

6

数据集的处理

开始网络训练

训练结果预测

模块3

中文文本分类

词嵌入

什么是词嵌入

2

12

利用词嵌入

循环神经网络

循环神经网络

4

理解LSTM层

基于LSTM的中文文本分类

注意力机制

注意力提示

2