《人工智能与技术创新》课程教学大纲.docx
人工智能与技术创新教学大纲一、课程基本信息课程名称人工智能与技术创新Artificial Intelligence and Technological Innovation课程编码CST522531020开课院部计算机科学与技术学院课程团队人工智能教学团队学分2.0课内学时36讲授24实验0上机12实践0课外学时0适用专业（公选课组）授课语言中文先修课程课程简介（任选）人工智能与技术创新这门课程有三个关键点：使用人工智能、进行实践、达到创新。课程主要与国内著名互联网企业百度集团进 行合作，借助Alstudio平台，使用国产深度学习框架PaddlcPaddlc进行人工智能领域创新实践。课程从人工智能概述开始，首先用 Numpy进行过渡，然后讲解神经网络构建的基本原理，并学习预测、分类、识别的基本案例，最后进行创新性项目实践。利用各种人工智 能的先进方法，开发学生的创新思维，并进行实践产出。同时课程中穿插相关的思政案例，使学生在掌握专业知识的同时，培养学生树立 正确的价值观和深入理解社会主义核心价值观。The course artificial intelligence and technological innovation7/ has three key points: using artificial intelligence, practicing and achieving innovation. The course mainly cooperates with Baidu Group, a famous domestic Internet company, and uses the domestic deep learning framework PaddlePaddle to carry out innovative practice in the field of artificial intelligence with the help of Alstudio platform. The course starts with an overview of artificial intelligence. First, Numpy is used for transition, then the basic principles of neural network construction are explained, and basic cases of prediction, classification and identification are learned. Finally, innovative project practice is carried out. Using various advanced methods of artificial intelligence, students' innovative thinking is developed and practical output is carried out. At the same time, relevant ideological and political cases are interspersed in the course, so that students can master professional knowledge and cultivate students to establish correct values and deeply understand socialist core values, etc.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1Ml目标1 ：设计并创建探索精神和创新意识的人工智能系统是2M2目标2： 了解人工智能应用领域的行业背景知识，具有人工智能领域工程实习和实践经历是3M3目标3：撰写报告，公开报告并口头答辩是三、课程内容序号章节号标题课程内容/重难点支撑课 程目标课内 学时教学方式课外 学时课外环节11人工智能概述简单介绍人工智能发展历史，最新科技，讲解国产深度学习框架 paddlepaddle进行思政教育，阐述国产软件对我国软件产业发展的意义M22讲授2/22Numpy介绍讲解Numpy的基本用法，完成python到深度学习的过渡Ml4讲授4/ /32. 1基础数据类型： ndarray 数组为什么引入ndarray数组 如何创建ndarray数组 ndarray数组的基本运算 ndarray数组的切片和索引 ndarray数组的统计运算Ml/42.2随机数np. random主要介绍创建ndarray随机数组以及随机打乱顺序、随机选取 元素等相关操作的方法。Ml/52.3线性代数线性代数（如矩阵乘法、矩阵分解、行列式以及其他方阵数学 等）是任何数组库的重要组成部分，Numpy中实现了线性代数 中常用的各种操作，并形成了 numpy. linalg线性代数相关的模 块。Ml/62.4Numpy保存和导入 文件Numpy文件读写Numpy文件保存Ml/72.5Numpy应用举例计算激活函数Sigmoid和ReLU 图像翻转和裁剪Ml/83构建神经网络讲解构建神经网络的具体过程已经相关的理论Ml4讲授4/94机器学习与 scikit 库采用scikit库实现机器学习的算法M24讲授4/104. 1单变量线性回归使用Numpy,实现单变量的线性回归M2/作业114.2逻辑回归使用Numpy,实现逻辑回归，为分类打下基础M2/作业124.3莺尾花分类数据准备定义模型：SVM模型定义训练模型模型评估模型使用M2/135Paddle入门讲解国产深度学习框架PaddlePaddle 使用深度框架实现线性回归 使用深度框架实现波士顿房价预测M22讲授2/146一个案例吃透深度 学习从数据准备、网络配置、损失函数、优化算法、资源配置、训 练调优、恢复训练7个角度，采用横纵教学法，让学生深度了 解神经网络。M26讲授6/156. 1手写数字识别手写数字识别的任务简介和极简实现M2/166.2数据处理从本地或URL读取数据，并完成预处理操作（如数据校验、格 式转换等），保证模型可读取M2/176.3模型设计网络结构设计，相当于模型的假设空间，及模型能够表达的关 系集合M2/186.4训练配置设定模型采用的寻解算法，即优化器，并指定计算资源M2/196.5训练过程循环调用训练过程，每轮都包括前向计算、损失函数（优化目 标）和后巷传播三个步骤M2/206.6模型保存将训练好的模型保存，模型预测时调用M2/217.2人脸识别数据准备 网络配置 模型训练M2/模型评估 模型预测227paddle进阶采用高级案例，图像分类和人脸识别，掌握复杂的深度网络模 型M22讲授22作业237. 1Cifar图像分类数据准备 网络配置 模型训练 模型评估 模型预测M2/248自创项目利用前面所学知识，写一个自主创新的项目Ml10上机10/259撰写论文撰写课程报告M32上机2/四、考核方式序号考核环节操作细节总评占比1numpy 测 验进行1-2次测验，考察掌握情况10%2典型案例 完成情况4个典型案例的完成情况，每个案例占10乳合计40%40%3自主项目 考核自主项目的完成情况30%4论文报告根据论文完成的质量20%五、评分细则序号课程目标考核环节大致占比评分等级1Mlnumpy 测 验15%进行测试，根据完成测试的分数评定等级2Ml典型案例 完成情况50%A-按时提交作业，对案例完成非常充分，对相关细节掌握到位。 B-按时提交作业，对案例完成比较充分，对相关细节掌握尚可。 c-按时提交作业，对案例基本完成，对相关细节了解一般。D-未完成作业3Ml自主项目 考核35%A-按时提交作业，代码量非常充分，具有很强的创新性，逻辑合理。 按时提交作业，代码量比较充分，具有较好的创新性，逻辑合理。c-按时提交作业，代码量满足要求，创新性不足，逻辑一般。D-未完成作业4M2论文报告100%A-按时提交作业，课程报告撰写规范，对人工智能领域了解充分，分析合理。B-按时提交作业，课程报告撰写较规范，对人工智能领域有一定了解，分析较合理。c-课程报告撰写欠规范，对人工智能领域基本了解，分析不全面。D-课程报告未完成5M3论文报告100%A-按时提交作业，课程报告撰写规范，各部分齐全，分析合理。B-按时提交作业，课程报告撰写较规范，各部分齐全，分析较合理。C-课程报告撰写欠规范，缺少部分内容，分析不全面。D-课程报告未完成评分等级说明：A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59; A, B, C, D = 90-100, 75-89, 60-74, 0-59; A, B, C = 90-100, 75-89, 60-74, 0-59; A, B=80-100, 0-79六、教材与参考资料序号教学参考资料明细1网络图文laistudio官方平台，百度，.2网络图文1飞桨官方网站，百度，.
