《神经网络与深度学习》课程教学大纲.docx

《《神经网络与深度学习》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《神经网络与深度学习》课程教学大纲.docx（10页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、神经网络与深度学习教学大纲一、课程基本信息课程名称神经网络与深度学习Neural Networks And In-depth Learning课程编码SCC321621030开课院部理学院课程团队数据科学团队学分3.0课内学时52讲授40实验0上机12实践0课外学时52适用专业数据科学与大数据技术授课语言中文先修课程课程简介 （限选）课程性质：本课程是数据科学与大数据技术专业的选修课。主要教学内容：神经网络与深度学习促进了人工智能在计算机视觉、语音识别、自然语言处理等领域的突破，成为实现人工智能的重 要技术之一。本课程将讲解神经网络及深度学习的基本概念、主要结构、核心方法和关键应用。主要内容包

2、括：机器学习和神经网络的基本概念和算法，深度学习的主流结构及多种不同的激活函数，深度学习的应用实例。课程教学目标：通过本课程的学习，使学生掌握神经网络及深度学习中主要网络结构，并能够以神经网络为工具解决相关实际问题。Course nature: This course is an elective course for the major of data science and big data technology.Main teaching contents: neural network and deep learning have promoted the breakthrough o

3、f artificial intelligence in computer vision, speech recognition, natural language processing and other fields, and become one of the important technologies to realize artificial intelligence. This course will explain the basic concepts, main structures, core methods and key applications of neural n

4、etworks and deep learning.The main contents include: basic concepts and algorithms of machine learning and neural networks, mainstream structures of deep learning, various activation functions, and application examples of deep learning.Teaching objective of the course: Through the study of this cour

5、se, students can master the main network structure of neural network and deep learning, and can use neural network as a tool to solve relevant practical problems.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 ： 了解神经网络及深度学习的发展和基本概念，培养学生计算思维和研究方法以及发现、辨析 和解释科学计算与数据科学领域基本现象的能力。是3. 12M2目标2 ：理解并掌握神经网络及深度学习

6、关键技术，了解目前常用（深度）神经网络，了解学科发展 前沿，培养学生自我更新知识的能力。是3.43M3目标3 :掌握信息数据分析的基本方法，具备数据分析能力。通过课程项目的实践应用，掌握神经网 络实现技术，并应用神经网络及深度学习解决实际问题。是5.24M4目标4 ：能保证课程正常秩序（政治层面、课堂保障层面，非学生能力层面）否三、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1第1章第1章引言本章重点难点：神经网络；深度学习。/21. 11.1机器学习与深 度学习什么是机器学习；什么是深度学习；机器学习与深度学习的关 系。Ml0.5讲授0. 5作业3

7、1.21.2神经网络的历 史神经网络；神经网络发展历史。Ml0.5讲授0. 5作业41.31.3深度学习从神经网络到深度学习；为什么使用深度学习；什么是深度学 习。Ml1讲授1作业5第2章第2章神经网络本章重点难点：感知机；误差反向传播算法；三层神经网络的 实现。/62. 12.1神经网络概述常用神经网络模型概述。Ml1讲授1作业72.22. 2 M-P模型M-P模型；M-P模型结构及运算；M-P模型的应用。Ml, M21讲授1作业82.32. 3感知机感知机模型；感知机模型结构；感知机的训练；多层感知机； 感知机模型的应用。Ml, M21讲授1作业92.42. 4误差反向传播 算法梯度下降法

8、；正向传播；反向传播；权值调整。Ml, M22讲授2作业102.52.5损失函数和激 活函数损失函数；常用损失函数；激活函数；常用激活函数。Ml, M21讲授1作业112. 1-2.5上机上机M2, M32上机2撰写实验 报告12第3章第3章全连接神 经网络本章重点和难点：全连接神经网络设计；训练数据预处理；损 失函数和激活函数；网络调优和超参数设置。/133. 13.1基于梯度的学 习损失函数；神经网络的梯度；梯度下降。Ml, M22讲授2作业143.23. 2二层全连接神 经网络设计万能逼近定理；输出单元的设计；隐藏单元。Ml, M22讲授2作业153.33.3反向传播算法计算图；链式法则

9、；反向传播；激活函数层的实现；误差反向 传播算法。Ml, M22讲授2作业163.43. 4 层全连接神 经网络实现三层BP神经网络实现Ml, M22讲授2作业173. I-3.4上机上机M2, M32上机2撰写实验 报告18第4章第4章深度学习 技术及平台概述本章重点和难点：深度学习技术；深度学习平台。/194. 14.1深度学习技术深度学习技术的发展；常用深度学习技术。Ml2讲授2作业204.24.2深度学习平台常用深度学习开发平台；深度学习开发框架比较。Ml2讲授2作业214.34.3开发平台不例Tensorflow使用简介；Pytorch使用简介Ml2讲授2作业224. 1-4.3上机

10、上机M2, M32上机2撰写实验 报告23第5章第5章卷积神经 网络(CNN)本章重点和难点：卷积运算原理；卷积神经网络设计。/245. 15.1卷积神经网络 的结构卷积神经网络的历史；卷积神经网络的概念；卷积神经网络的 结构。Ml, M21讲授1作业255.25. 2卷积层卷积层的设计动机；卷积层的局部连接；卷积层的3个核心概 念。Ml, M22讲授2作业265.35. 3池化层池化层的设计；池化层的实现。Ml, M22讲授2作业275.45. 4全连接层全连接层实现。Ml, M22讲授2作业285.55.5卷积神经网络 实现基于Tensorflow的卷积神经网络实现。Ml, M22讲授2作

11、业295. 1-5.5上机上机M2, M32上机2撰写实验 报告30第6章第6章深度神经 网络本章重点和难点：自编码器设计；循环神经网络设计；LSTM网 络设计。/316. 16.1自编码器 (AutoEncoder)自编码器设计；自编码器的应用。Ml, M22讲授2作业326.26.2循环神经网络 (RNN)循环神经网络概述；循环神经网络结构；循环神经网络的训练 及应用。Ml, M22讲授2作业336.36. 3长短时记忆网 络(LSTM)为什么需要LSTM ； LSTM网络结构；LSTM训练流程；双向 LSTM。Ml, M22讲授2作业346.1-6.3上机上机M2, M32上机2撰写实验

12、 报告35第7章第7章深度学习 拓展本章重点和难点：深度。/367. 17. 1加深网络向更深的网络出发；提高识别精度；加深层的动机。Ml2讲授2作业377.27. 2深度学习的高 速化深度学习面临的问题；基于GPU的局速化；分布式学习；运算 精度的位数缩减。Ml2讲授2作业387. 1-7.2上机上机M2, M32上机2撰写实验 报告四、考核方式序号考核环节操作细节总评占比1平时作业1 .每周布置23道题目，平均每次课1道题以上。2 .成绩采用白分制，根据作业完成准确性、是否按时上交、是否独立完成评分。40%3.培养学生计算思维和应用神经网络及深度学习解决实际问题的能力2平时表现1.课堂表现

13、。2.考勤3.遵守课堂纪律10%3课程实践 报告1 .本课程要求利用指定编程语言和相关平台设计实现相关神经网络和深度学习，在指定的测试数据集上实现模型训练和 预测，并解决实际问题2 .根据模型建立情况和最终结果评分。50%五、评分细则序号课程目标考核环节大致占比评分等级1Ml平时作业40%A-独立思考、按时完成，解题思路清晰、格式合理、90%的作业评价为A,A+B-独立思考、按时完成，步骤比较完整、80%的作业评价为A,A+C-独立思考、按时完成，格式比较合理、70%的作业评价为A, A+D-作业抄袭，未能按时完成，缺交作业2Ml平时表现10%A积极回答问题，精神状态饱满，能够遵守课堂纪律B精

14、神状态良好，问题回答较好，能够遵守课堂纪律C较少参与课堂互动，不能够遵守课堂纪律D不参与课堂互动，不能够遵守课堂纪律3Ml课程实践 报告50%A-模型构造与实际问题相符，高质量完成指定模型训练和评估任务。B-模型构造与实际问题基本相符，基本完成指定模型训练和评估任务。c-模型构造与实际问题基本相符，完成指定模型训练和评估任务时存在一定缺陷。D-未完成指定模型训练和评估任务。4M2平时作业40%A-独立思考、按时完成，解题思路清晰、格式合理、90%的作业评价为A,A+B-独立思考、按时完成，步骤比较完整、80%的作业评价为A,A+C-独立思考、按时完成，格式比较合理、70%的作业评价为A,A+D

15、-作业抄袭，未能按时完成，缺交作业5M2平时表现10%A积极回答问题，精神状态饱满，能够遵守课堂纪律 B精神状态良好，问题回答较好，能够遵守课堂纪律C较少参与课堂互动，不能够遵守课堂纪律D不参与课堂互动，不能够遵守课堂纪律6M2课程实践 报告50%A-模型构造与实际问题相符，高质量完成指定模型训练和评估任务。B-模型构造与实际问题基本相符，基本完成指定模型训练和评估任务。c-模型构造与实际问题基本相符，完成指定模型训练和评估任务时存在一定缺陷。D-未完成指定模型训练和评估任务。7M3平时作业40%A-独立思考、按时完成，解题思路清晰、格式合理、90%的作业评价为A,A+B-独立思考、按时完成，

16、步骤比较完整、80%的作业评价为A,A+C-独立思考、按时完成，格式比较合理、70%的作业评价为A,A+D-作业抄袭，未能按时完成，缺交作业8M3平时表现10%A积极回答问题，精神状态饱满，能够遵守课堂纪律B精神状态良好，问题回答较好，能够遵守课堂纪律C较少参与课堂互动，不能够遵守课堂纪律D不参与课堂互动，不能够遵守课堂纪律9M3课程实践 报告50%A-模型构造与实际问题相符，高质量完成指定模型训练和评估任务。B-模型构造与实际问题基本相符，基本完成指定模型训练和评估任务。c-模型构造与实际问题基本相符，完成指定模型训练和评估任务时存在一定缺陷。D-未完成指定模型训练和评估任务。10M4平时表

17、现100%A积极回答问题，精神状态饱满，能够遵守课堂纪律B精神状态良好，问题回答较好，能够遵守课堂纪律C较少参与课堂互动，不能够遵守课堂纪律D不参与课堂互动，不能够遵守课堂纪律评分等级说明：A, B, C, D = 90-100, 80-89, 70-79, 0-69;六、教材与参考资料序号教学参考资料明细1图书1神经网络设计（原书第2版）,（美）马丁 T.哈根，北京：机械工业出版社，2018.2图书Python神经网络编程，（英）塔里克.拉希德，北京：人民邮电出版社，2018.3图书1深度学习，（美）伊恩古德费洛，北京：人民邮电出版社，2017.4图书|Python深度学习，（印）尼基尔-盖德卡尔，北京：清华大学出版社，2018.5图书|动手学深度学习，（美）阿斯顿.张，李沐，北京：人民邮电出版社，2019.6图书1神经网络与深度学习，包子阳，北京：电子工业出版社，2019.