《项目化课程1》教学大纲 (2).docx

1

《项目化课程1》教学大纲

课程名称：项目化课程1

课程类别（必修/选修）：任选课(项目类课程)

课程英文名称：Project-BasedCourse

总学时/周学时/学分：32/2/2

其中实验/实践学时：16

先修课程：具备程序设计知识。

后续课程支撑：人工智能与机器学习、深度学习

授课时间：1-16周星期二(7-8节)

授课地点：机房503

授课对象：24电商1-2班

开课学院：粤台产业科技学院

任课教师姓名/职称：杨荣贵/副教授

答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑

课程考核方式：开卷（）闭卷（）课程论文（）其它（）作业、期末报告

使用教材：《人工智能算法与实战（Python+PyTorch）》，于祥雨、李旭静、邵新平，清华大学出版社，出版年：2020.09.01，ISBN：9787302557821

教学参考资料：1.各精品资源共享课网站。

课程简介：

本课程旨在帮助学生深入理解和实际应用企业智能系统的概念、原理和技术。通过项目实作，学生将有机会亲身参与企业智能系统的设计、开发和实施过程，从而培养实际应用技能和解决实际业务问题的能力。

课程教学目标及对毕业要求指标点的支撑：

课程教学目标

支撑毕业要求指标点

毕业要求

目标1：

掌握人工智能与机器学习的基本概念、相关技术，了解人工智能与机器学习在数据处理和规则提取中的应用现状、

1.交叉知识的运用能力

3.（技术工具的应用能力）

1-工程知识：能够运用数学、基础科学、计算机科学与技术、企业互联网平台系统、电子商务信息管理与信息系统、电子商务经营管理等相关知识，对

2

应用前景和研究方向。

企业互联网与电子商务系统开发运维问题具有解决能力。

目标2：

强化在人工智能与机器学习中的算法设计、分析的能力；同时，培养学生阅读外文资料、文献调研方面的能力。

2（实验与数据解读能力）

4（计科与大数据分析专业能力）

4-研究：能够熟悉企业互联网与电子商务系统的前端设计、后端设计、数据库设计、数据挖掘、大数据分析、云计算等基本科学研究方法，具有科学研究精神，为企业互联网与电子商务系统开发运维复杂问题提出有效研究手段并将问题有效解决。

目标3：

锻炼学生应用各种手段查阅文献资料、获取信息、拓展知识领域、继续学习并提高业务水平的能力。

6（解决复杂问题的能力）

7（持续学习与创新超越能力）

4能够采用科学方法对化学领域工程问题进行研究和分析，包括设计实验、处理与解释数据得到合理有效的结论

理论教学进程表

周次

教学主题

授课教师

学时数

教学内容（重点、难点、课程思政融入点）

教学模式线下/混合式

教学方法

作业安排

支撑课程目标

1

企业智能系统项目实作介绍：图

像分类问题(Classification)

杨荣贵

2

重点；课程简介(CourseIntroduction)难点：领域的专业技能

课程思政融入点：在课程中加入涉及我国计算机科学家及工程师在对计算机学科发展作出的贡献和利用人工智能与机器学习原理及技术在其他领域应用取得了新成就等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学

线下

课堂讲授

目标1

3

生的爱国热情和民族自豪感。

2

模块一：

神经网络模型的搭建(CIFAR-10模型)

杨荣贵

2

重点；观念理解、训练模式

难点：任务说明、常用数据集、性能指针课程思政融入点：通过讲述目标检测原理从简到繁、从易到难、从特殊到一般，循序渐进。培养学生利用循序渐进、举一反三的方法认识、分析问题的能力；树立凡事要脚踏实地、从基础做起、积跬步以至千里的理念。

线下

课堂讲授

课后作业：

建立CIFAR-10网络模型

目标2

3-4

模块二：

损失函数和优化器

杨荣贵

4

重点；验证模式、预测模式、导出模式

难点：在自定义或预载数据集上对模型进行微调。

课程思政融入点：介绍目标检测在国内的应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。

线下

课堂讲授

课后作业：

实作损失函数和优化器

目标1,2

7-8

模块三：

完整的神经网络模型训练套路

杨荣贵

4

重点；跟踪模式、基准模式

难点：用于验证模型性能的训练后检查点。课程思政融入点：说明目标检测在国内的设计开发以及相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。

线下

课堂讲授

课后作业：

建立分类问题DataSet

目标1,2

14

模块四：部署与维护

杨荣贵

2

重点；释放模型对真实世界数据的预测能力。

线下

课堂讲授