神经网络与深度学习课程标准.docx

《神经网络与深度学习课程标准.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标准.docx（17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课程标准课程代码:适用专业:编制单位:人工智能技术服务专业物联网工程学院（信息安全学院）令能构建文本数据集令 能熟练训练、评估与预测循环神经网络模型素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法本任务要完成： 认识循环神经网络简介发展历史、循环神经网络的作用与应用 任务1:电影评论分类IMDB数据集、使用全连接神经网络 循环神经网络、SimpleRNNCell使用方法 RNN分类IMDb数据集、RNN梯度消失 任务2:AI诗人 长短期记忆(LSTM)文本生成：AI诗人。线上线下混合式教学、任务教学法教学地点专业实训室教学及参考资料教材：TensorFlow深度

2、学习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议井字游戏项目练习考核与评价方式说明权重分配课堂表现+任务完成度9. 375%任务7预测汽车油耗效率：TensorFlow. js 应用开发学时理论实践一体化10学习目标知识目标O 了解 TensorFlow. js 的优点令 了解TensorFlow. js的相关概念令掌握TensorFlow. js环境配置技能目标今能通过Layers API创建模型令能通过Core API创建模型令能在浏览器中使用TensorFlow. js令 能在 Node, js 中使用 TensorFlow. js今能熟练使用Node. js令 能熟练

3、的TensorFlow. js模型部署，开发相应AI应用素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法本任务要完成：认识 TensorFlow. jsTensorFlow. js优点、核心概念、环境配置任务1:预测汽车油耗效率创建主页并加载数据、定义模型结构数据预处理、训练与测试模型任务2：手写数字识别从GitHub获取源码并运行、创建相关文件定义模型结构训练模型使用模型进行评估与预测线上线下混合式教学、任务教学法教学地点专业实训室教学及参考资料教材：TensorFlow深度学习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议Word2Vec预测项目练习考核与评价

4、方式说明权重分配课堂表现+任务完成度9. 375%学习目标任务8花卉识别：TensorFlow Lite学时理论实践一体化8知识目标。了解TensorFlow Lite的发展历史令 了解 TTensorFlow Lite 的应用令掌握TensorFlow Lite的整体架构令 掌握TensorFlow Lite转换器作用令 掌握FlatBuffers格式令 掌握TensorFlow Lite解释执行器特点及工作过程技能目标令能通过相应工具将模型转化令能在Android应用中部署转换后的模型今能熟练 Android StudioO 能配置build, gradle构建项目令 能熟练掌握迁移学习改

5、造模型，开发相应AI应用TensorFlow Lite 体系结构素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法本任务要完成：认识 TensorFlow LiteTensorFlow Lite发展历史、应用线上线下混合式教学、任务教学法教学地点专业实训室教学及参考资料TensorFlow Lite 整体架构TensorFlow Lite 转换器FlatBuffers 格式TensorFlow Lite解释执行器任务1： TensorFlow Lite开发工作流程 选择模型、模型转换、模型推理、优化模型任务2：实现花卉识别选择模型、Android部署教材：TensorFlow深度学

6、习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议卷积神经网络项目练习考核与评价方式说明权重分配课堂表现+任务完成度9. 375%八、课程实施1、教学方法建议根据课程教学内容和学生特点，以“项目为载体、知识为主线、任务驱动、 能力递进”的教学模式，开展项目教学。具体教学实施中灵活运用项目教学、演 示教学、案例分析、分组讨论、线上线下混合式教学等多种教学方法，通过这些 方法逐渐培养学生的“职业素养”，提高和完善学生的“职业能力”。每个单元实现一个项目需求，依据项目需求分析，展开教学。每个单元均按 照：项目需求-相关知识-解决问题-能力拓展四大环节展开。通过项目 需求，理解本单元要解

7、决的实际问题；为了解决这一问题学习相关知识点，提升 学生的知识水平；为了能够尽可能好的运用知识点，通过解决实际问题，提升学 生的技能水平；知识和技能掌握的情况，通过能力测试环节来检测，从而，知识、 技能、素质得到进一步提升。2、师资条件要求课程教学主要由具有企业实践经历的双师型专任教师完成，教师应熟练掌握 TensorFlow开发基本知识结构。3、教学条件基本要求教学条件：具备进行多媒体教学、安装有TensorFlow开发平台设备的校内实 训室。4、教材选用或编写建议(1)教材：TensorFlow深度学习实例教程，自编教材。(2)网络资源：图像识别中卷积神经网络。5、教学资源开发与利用依托校

8、企合作，引进并转化相关案例用于课程教学，完成了配套资源，包括 课程标准、教学大纲、教学课件、视频讲解、教学题库等反映教学活动必需的资 源建设。6、教学评价教学评价应以学生为中心，通过考核正确、科学评判学生知识的掌握和能力 的提高程度，同时在评价过程中注重挖掘学生的潜能，帮助学生认识自我并建立 自信，推进其自主学习能力、创新能力、项目开发、测试与调试能力的不断提高。将课程考核分为平时、阶段、综合、项目完成度四部分，其中平时40%,阶段 20%,综合20%,项目完成度20虬1)平时考核平时考核依据解决问题和能力拓展完成的质量。解决问题：学生在教师引导 下完成相关知识的学习，开展随堂测验、小组讨论等

9、。能力拓展：解决问题环节 过后，为了能够更好地检验学生对知识、技能的掌握程度，可适当安排拓展任务 和单元能力测试环节。2)阶段考核阶段考核依据项目实施环节完成的质量，兼顾原有水平。项目实施环节，能 够较好地反映学生自主学习、协作学习的能力，较好地体现了学生知识综合运用、 拓展创新的能力。学生完成项目后都要撰写制作文档，然后提交作品和制作文档, 由教师根据每个项目考核要求进行评价，同时兼顾原有水平。3)综合评价综合评价主要根据学生的出勤率、学习态度、学习纪律、协作能力等进行。4)项目完成度课程教学中，学生通过复原项目实现移动应用开发知识和技能的不断积累，课程考核加入项目完成度作为为核心评价指标。

10、十、其他教学过程中根据具体情况可对部分内容作适当筛选、组合。江苏信息职业技术学院课程标准审定表二级学院（部）物联网工程学院（信息安全学院）课程名称TensorFlow技术应用课程类型必修适用专业人工智能技术服务专业学时/学分80/5制（修）订人凌路课程负责人对 课程标准的简 要说明该标准是根据人工智能技术服务专业人才培养方案及课程矩阵 进行制定。课程负责人签字：凌路2020年 8月 20日教研室 审核意见教研室主任签字：年月日课程审定小组 意见组长签字：年月日二级学院（部） 审核意见负责人签字： 年月（盖章） 日教务处 意见签字：年月（盖章） 日教学院长 意见签字：年月日神经网络与深度学习课程

11、标准课程代码课程承担单位物联网工程学院（信息安全学院）制定人制定日期审核人物联网工程学院课程建设指导委员会审核日期批准人批准日期一、适用对象高中毕业生二、适用专业人工智能技术服务专业三、课程定位本课程是人工智能技术服务专业岗位能力课程。本课程是依据人工智能技术服务专业人才培养目标和相关职业岗位（群）的能 力要求而设置的，对本专业所面向的岗位所需要的知识、技能和素质目标的达成起 支撑作用。在课程设置上，前导课程有口机器学习，后续课程有人工智能 行业应用实训。U!课程目标总体目标通过项目化教学，学习者可以完整的重构、复原该项目，掌握TensorFlow与 深度学习的常用技术，熟悉项目的开发过程。进

12、一步学习计算机视觉技术应用， 为人工智能行业应用实训打下基础。1、知识目标培养和培训学生在人工智能产品开发与测试，技术支持等相关岗位中深度学 习开发框架部署、开发与应用能力，包括深度学习，前馈神经网络，卷积神经网络，循环神经网络，TensorFlow编程基础、TensorFlow模型、TensorFlow编程 实践、TensorFlowLite和TensorFlow. js等相关知识与技能，为以后开发深度学 习应用程序打下必要的基础。2、技能目标根据人工智能应用产品开发与测试工作过程，适应人工智能产品开发与测试, 技术支持等相关岗位工作任务和能力要求，培养学生从“整体”的角度认识、研 究和解决

13、使用TensorFlow开发深度学习系统的方法和能力，具有深度学习模型构 建，训练，调优的基本能力，能够完成典型TensorFlow技术应用的开发，为学生 能适应其岗位打下相关基础。3、素质养成目标通过分组完成项目任务，培养工匠精神、创新思维和团队合作精神、自我学 习的能力。通过实验室实施5s管理理念，从而培养学生形成规范的操作习惯、养 成良好的职业行为习惯。五、参考学时:学分：5六、设计思路该课程内容选择上，依据对相关行业企业的调研，企业岗位就业群需要，并 通过解析物联网岗位（群）的典型工作任务获得。按照“课程标准与职业标准融 合、教学内容与行业认证融合”指导思想进行课程设计。1）突出职业能

14、力的培养。职业教育是培养生产管理第一线所需要的动手能力强的高技能人才。在课程 设计上既要体现通用性，又要体现职业特色。结合职业特点，分解其所需的知识、 能力、素质要求来构建课程体。2）以实际工作任务为载体，突出任务的实用性和先进性面向企业需求，调研和分析企业实际工作需要，选择有代表性的企业工作任 务将之整合成教学任务，以任务为载体，重构课程内容。七、课程内容与教学要求1、课时分配表序号单元（或项目）内容学时分配备注1搭建TensorFlow开发环境82手写数字识别：TensorFlow初探123波士顿房价预测：前馈神经网络124服装图像识别：Keras搭建与训练模型105图像识别：卷积神经网络

15、126AI诗人：循环神经网络87预测汽车油耗效率：TensorFlow.j s应用开发108花卉识别：TensorFlow Lite8总学时802、单元（或项目、任务）设计任务1搭建TensorFlow开发环境学时理论实践一体化8学习目标知识目标令掌握人工智能基本概念令 掌握机器学习与深度学习基本概念以及两者间关系令了解深度学习的发展历史令了解深度学习的工作原理令了解深度学习的应用令熟悉深度学习常见框架特点与优缺点技能目标令 能搭建TensorFlow开发环境令 能下载TensorFlow并在不同平台上安装令能使用conda管理开发环境令 能下载、安装和使用 TensorFlow 开发工具（A

16、naconda、PyCharm、Jupyter Notebook） 令常用编辑工具的使用素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法人工智能、机器学习与深度学习线上线下混合式教学、任务教学法深度学习发展简史、工作原理与应用认识深度学习框架 TensorFlow Keras PyTorch Caffe MXNet PaddlePaddle 安装深度学习开发环境安装Anaconda、使用conda管理环境、安装 TensorFlow常用编辑器教学地点专业实训室教学及参考资料教材：TensorFlow深度学习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议学习Tens

17、orFlow的网上资源搜索考核与评价方式说明权重分配课堂表现+任务完成度10%任务2手写数字识别：TensorFlow初探学时理论实践一体化12学习目标知识目标今 了解TensorFlow架构令 了解TensorFlow2. 0特点与优势令 了解TensorFlow数据流图今 了解TensorFlow运行机制O掌握张量的阶、形状、数据类型、广播机制 令 熟悉现实世界中数据张量的表示形式技能目标令能熟练操作MNIST数据集令能进行张量的索引与切片O能进行张量的维度变化能进行张量的合并与分割操作令能进行张量的比较与排序令 能从张量中提取数值素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学

18、方法本任务要完成：TensorFlow 架构TensorFlow 架构图、TensorFlow 1. x 和 2. 0 之间的差异、TensorFlow数据流图、线上线下混合式教学、任务教学法教学地点专业实训室教学及参考资料TensorFlow运行机制任务1：张量的进阶操作 张量的阶、形状、数据类型 现实世界中的数据张量、MNIST数据集 索引与切片、维度变换 广播机制任务2：张量的进阶操作合并与分割、最大最小值、均值、和 张量比较、张量排序、张量中提取数值教材：TensorFlow深度学习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议分类器项目练习考核与评价方式说明权重分配课

19、堂表现+任务完成度10%任务3项目3波士顿房价预测：前馈 神经网络学时理论实践一体化10学习目标知识目标今掌握神经元的结构与作用今掌握激活函数及其作用今掌握前馈神经网络拓扑结构令掌握损失函数令了解反向传播算法机制今了解梯度下降概念技能目标令能熟练使用数据集今能进行数据预处理今能搭建简单前馈神经网络模型Q能选择合适损失函数以及优化器能熟练训练模型并查看结果今能熟练解决训练模型过程中出现错误素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法本任务要完成：任务1:实现一元线性回归模型准备数据、构建模型、迭代训练、模型的线上线下混合式教学、任务教学法教学地点专业实训室保存和读取认识神经网络

20、神经元、激活函数任务2：波士顿房价预测准备数据集、构建模型训练模型前馈神经网络前馈神经网络拓扑结构、损失函数 反向传播算法、梯度下降教学及参考资料教材：TensorFlow深度学习实例教 程在线开放课程：图像识别中卷积神 经网络练习与习题建议戴明回归算法练习考核与评价方式说明权重分配课堂表现+任务完成度9. 375%任务4项目4服装图像识别：Keras搭建与训练模型理论实践一体化10学时令 令 令 令 令令令 令 令 令 令 令 令主要内容本任务要完成：认识 tf. keras主要教学方法线上线下混合式教学、任务教学法教学地点学习目标知识目标了解Keras的发展历史及作用 了解 Keras 与

21、 tf. keras 关系 掌握层的作用及定义层的方法 掌握模型的作用及定义模型的方法 掌握序贯模型的定义方法 掌握函数式模型的定义方法 了解训练数据集输入模型的方法技能目标能熟练预处理模型能定义序贯模型与函数式模型能使用Keras API编译模型，选择合适的损失函数以及优化器能使用fit训练模型能熟练评估与预测模型能熟练保存与加载模型能使用tf. data API构建数据集素质目标工匠精神、创新思维和团队合作精神。Keras 与 tf. keras、 层 (Layer)、 模型 (Model) 任务1:服装图像识别构建模型、训练评估任务2：模型保存与加载SavedModel方式保存模型、H5

22、格式保存模型、 检查点(Checkpoint)格式保存模型 任务3： tf. data优化训练数据训练数据输入模型的方法、tf. data API、 tf. data. Dataset 任务4：花卉识别下载图片、构建花卉数据集构建与训练模型、保存与加载模型专业实训室教学及参考资料教材：TensorFlow深度学习实例 教程在线开放课程：图像识别中卷积 神经网络练习与习题建议TensorFlow实现多类支持向量机 练习考核与评价方式说明权重分配课堂表现+任务完成度9. 375%任务5图像识别：卷积神经网络学时理论实践一体化12学习目标知识目标令了解卷积神经网络的发展历史令了解全连接神经网络缺陷令

23、掌握卷积运算工作原理令掌握池化层工作原理令 掌握填充、步长、输入输出通道概念令了解图像识别的难题令了解常用经典卷积神经网络结构技能目标令 能进行卷积、池化、填充、步长、输入输出通道操作令 能使用Keras API搭建卷积神经网络令 能使用Keras API搭建AlexNet网络今 能使用Keras API搭建VGG网络令 能使用Keras API搭建ResNet网络令能熟练编译并训练、评估模型素质目标工匠精神、创新思维和团队合作精神。主要内容主要教学方法本任务要完成：认识卷积神经网络发展历史、全连接网络的问题、卷积神经网络基本结构卷积运算、填充、步长、多输入通道和多 输出通道、池化层Tenso

24、rFlow对卷积神经网络的支持卷积函数、池化函数任务1：识别CIFAR-10图像卷积网络的整体结构、CIFAR-10数据集 构造卷积神经网络模型、编译并训练、评估 模型任务2：搭建经典卷积网络图像识别的难题AlexNet. VGG 系列、ResNet任务3 ： ResNet实现图像识别模型结构、BasicBlock类搭建ResNet网络模型、加载数据集并训练模 型线上线下混合式教学、任务教学法教学地点专业实训室教学及参考资料教材：TensorFlow深度学习实例教 程在线开放课程：图像识别中卷积神 经网络练习与习题建议邻域法项目练习考核与评价方式说明权重分配课堂表现+任务完成度9. 375%任务6AI诗人：循环神经网络学时理论实践一体化8学习目标知识目标令了解循环神经网络发现历史令了解循环神经网络特点与作用令了解循环神经网络的应用 令掌握循环神经网络的结构 令掌握遗忘门的结构与作用 令 掌握记忆门的结构与作用 令掌握输出门的结构与作用技能目标令能熟练构建RNN模型。能熟练构建LSTM模型 令能处理文本数据