- 1、本文档共6页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
《深度学习技术基础》课程教学大纲
课程代码:
课程英文名称:Deep Learning Technology Foundation 课程总学时:32讲课:32实验:0上机:0 适用专业:人工智能、测控技术与仪器专业等
一、大纲使用说明
(-)课程的地位及教学目标
深度学习技术基础是测控技术与仪器专业开设的一门专业课。随着近几年人工智能技术的 高速发展,深度学习已成为大数据时代的算法利器,属于研究热点。学术界和产业界对深度学 习展开了大量的研究和实践工作。本课程基于简单、高效的PyTorch框架,实现深度学习网络 模型,既有理论知识,又有丰富的实例,包含了逻辑回归与线性回归、全连接神经网络、卷积 神经网络、循环神经网络等的设计与实现,以及网络训练过程中的数据处理与超参数设置方 法。通过本课程学习使学生掌握深度学习技术基础,同时能够应用该技术解决基本实际问题。
通退本课程的学习,学生将这到以下要求:
了解深度学习的概念及主要应用领域。
理解分类与回归,CNN, RNN的应用场景与算法思路。
具有一定的代码编写能力,能够应用PyTorch进行简单的模型训练与测试等。
(-)知识、能力及技能方面的基本要求
1 .基本知识:了解深度学习的应用领域。
基本理论和方法:掌握深度学习的几种问题模型,能够进行简单的模型搭建。
基本技能:具有一定代码书写能力,能够应用PyTorch进行基本的深度学习编程。
(三) 实施说明
教学方法:课堂讲授中要重点对深度学习中的基本概念、基本操作、典型处理算法进行 讲解;采用启发式教学,引导和鼓励学生通过实践和自学获取知识,培养学生的自学能力;对 于基本概念和基本原理不要求死记硬背,培养学生在理解深度学习基本模型的基础上,将实际 问题转化为深度学习模型,并进行训练、测试、优化损失函数等。
教学手段:在教学中采用电子教案、PPT课件及多媒体教学系统等先进教学手段,以确 保在有限的学时内,全面、高质量地完成课程教学任务。
计算机辅助设计:要求学生能够应用PyTorch仿真软件编写简单程序,完成分类与回归 等操作,并作出适当分析。
(四) 对先修课的要求
本课程之前先修课程可有计算机基础、C语言程序设计、计算方法等课程。
(五) 对习题课、实践环节的要求
本课程主要强调对常用深度学习算法的理解并在理解的基础上进行应用,教学中可以适当 安排实验实践或习题课进行总结、演示、讲解。
(六) 课程考核方式
考核方式:考查课;可以选择开卷或是闭卷方式、课后小作业以及结课大作业等式,具 体情况由授课教师根据学生的学习情况进行安排。
考核目标:学生对深度学习经典模型的理解以及应用对应算法解决实际问题的能力。
成绩构成:本课程的总成绩主要由平肘成绩(出勤、随堂考试、课后作业等)与结课成 绩构成(试卷成绩或是大作业成绩)。
(七)参考书目
《深度学习实践教程》,吴微编著,电子工业出版社,2020
二、中文摘要
本课程主要目的是培养学生掌握深度学习理论知识,加强学生对机器学习等原理的认识。 和传统的机器学习算法相比,深度学习技术有着两方面的优势。一是深度学习技术可随着数据 规模增加不断提升性能,而传统机器学习算法难以利用海量数据持续提升其性能。二是深度学 习技术可以从数据中直接提取特征,削减了对每一个问题设计特征提取器的工作,而传统机器 学习算法需要人工提取特征。因此,深度学习已成为大数据时代的热点技术。本课程通过经典 模型算法的讲授,使学生理解深度学习模型的训练过程,并掌握设计简单的深度学习模型的能 力。本课程将为后续课程的学习以及相关课程设计、毕业设计等奠定重要基础。
三、课程学时分配表
序号
教学内容
学时
讲课
实验
上机
1
深度学习基础
2
2
0
0
2
PyTorch框架安装
2
2
0
0
3
PyTorch 基础
4
4
0
0
4
线性回归和逻辑回归
8
8
0
0
5
多层全连接神经网络
4
4
0
0
6
卷积神经网络
6
6
0
0
7
循环神经网络
4
4
0
0
8
生成式对抗网络
2
2
0
0
合计
32
32
0
0
四、教学内容及基本要求
第1部分深度学习基础
总学时(单位:学时):2讲课:2实验:0上机:0
具体内容:
1) 理解人工智能、机器学习与深度学习基本概念及相互关系
2) 理解深度学习的三大核心要素
3) 理解神经元与深度神经网络
4) 掌握神经网络中常用的激励函数
5) 理解深度学习强大的原因
6) 了解常见的深度学习框架
重 点:
掌握神经网络中常用的激励函数
难 点:
理解神经元与深度神经网络的美系;
第2部分PyTorch框架安装
总学肘(单位:学时):2讲课:2实验:0上机:0
具体内容:
1) 了解 PyTorch 特点
2) 掌握Windows下PyTorch深度学习环
1亿VIP精品文档
相关文档
最近下载
- 门禁系统施工组织方案【弱电安防监控系统】.pdf
- 党的光辉照我心七一建党节ppt.pptx VIP
- 人教版九年级上化学第四单元《自然界的水》优秀单元作业设计.pdf VIP
- 迪士尼并购案例分析.docx
- 企业危机管理及应对 .pptx
- 年产4000吨双氟磺酰亚胺锂、1000吨双氟磺酰亚胺钠项目环境影响报告书.pdf
- 人教版九年级化学上册5.1质量守恒定律-优课件.ppt
- CH6系列 单通道热工表 CH6-CHB1V0 CH6-AHB1V0 CH6-CHB5V0N-DZ11 CH6-CHB1V0N CH6-BB1V0 CH6-CHB1V1 CH6-EB1V0 CH6-D.pdf
- 冶金企业安全专题讲座培训资料典型实例.ppt
- 第14课 中国共产党诞生课件.ppt VIP
文档评论(0)