《深度学习应用开发》 课程标准（含课程思政）

《深度学习应用开发》课程标准一、课程基本信息课程名称：深度学习应用开发课程编码：课程类别：专业必修课学分：3学时：48适用专业：人工智能技术应用开课单位：智能信息工程学院先修课程：程序设计基础（Python）后续课程：深度学习框架技术二、课程概述（一）课程定位本门课程是人工智能技术应用专业及相关专业开设的重要专业必修课之一，是后续人工智能技术作用于生产生活实践中的最好应用，蕴含着丰富的思想政治教育元素，在传道、授业、解惑中一直发挥着思想政治教育功能，引人以大道、启人以大智。因此，本课程将思政教育内容融入到课程教学中，使思想政治理论教育与专业教育协调同步、相得益彰，真正实现在课堂教学主渠道中全方位、全过程、全员立体化育人。（二）课程基本理念本专业的学生毕业之后主要从事面向交通、金融、医疗、安防等各行业的人工智能开发应用、机器学习开发等大数据人工智能相关工作岗位。因此本门课程所讲授的内容是学生必须掌握的深度学习应用开发实际操作技能。在教学过程中，要求理论与实践相结合，同时培养学生良好的工具使用以及自主学习能力。需具备较高综合素质与良好职业素养，成为能够从事相关工作的发展型、复合型、创新型技术技能人才。结合我国科学家在一些领域的重要贡献，在教学过程中融入思想政治教育。在点滴之间影响学生，以行导人、以事服人、以情感人、以文化人，培养当代大学生的责任感、自豪感、荣誉感。（三）课程设计思路根据专业人才培养方案，本门课程是人工智能专业重要的专业核心课程。本门课程以工作任务来组织内容，以案例驱动贯穿整个教学过程，由浅入深讲解深度学习应用开发的知识点。设置该门课程不仅仅是为了使学生学习对人工智能产品的结构设计与生产的基本概念，更重要的是要求学生学习对人工智能产品的算法专业性，为后续的人工智能专业的课程学习奠定相应的基础。并且，结合课程内容和特点，进行思政元素的挖掘，强化思想政治理论学习，引导学生学习新思想、新论述、新方法。三、课程目标（一）总目标通过本课程学习，理解智能产品开发过程中涉及到的诸多AI技术，能够根据实际要求完成人工智能项目的设计、制作、调试，培养学生基本专业技能、积极参与意识、责任意识、协作意识和自信心，使教学过程更有目的性和针对性。养成良好的沟通能力与团队协作精神，具有安全文明的工作习惯、良好的职业道德、较强的质量意识和创新精神。（二）具体目标序号知识目标K1能熟悉掌握深度学习的概念、主流框架等理论知识K2能熟悉掌握TensorFlow的张量思维K3能熟悉掌握数据类型、常量与变量K4能熟悉掌握TensorFlow的广播机制K5能熟悉Keras与tf。keras模块K6能掌握TensorFlow数据加载方式K7能了解掌握MNIST数据集简介和获取方式序号技能目标S1掌握TensorFlow的索引和切片操作S2掌握张量的维度伸缩与交换S3能够熟练操作TensorFlow中的计算S4能够掌握感知机、激活函数、损失函数S5能够掌握基于梯度的优化算法S6能够掌握BP算法S7能够掌握利用tf。keras搭建模型、编译模型序号态度目标A1能形成遵纪守法良好习惯，遵从网络行业从业的相关法规A2具备爱岗敬业、吃苦耐劳的良好职业道德A3具有团队合作意识和协作精神A4具有自主学习能力和自我提高能力A5具备统筹协调能力、综合运用能力、革新创新能力四、课程内容序号模块（或子模块）名称学时1什么是深度学习22深度学习在生活中的应用23深度学习的发展历程24深度学习主流框架介绍25Tebsorflow框架概述26利用Anaconda安装Tensorflow27JupyterNotebook的使用28Tensorflow的张量思维29TensorFlow的数据类型210TensorFlow的常量与变量211TensorFlow的索引和切片212张量的维度伸缩与交换213Tensorflow中的计算214Tensorflow的广播机制215感知机216激活函数217损失函数218基于梯度的优化算法219BP算法220Keras与tf。keras模块221Tensorflow数据加载222MNIST数据集简介和获取223利用tf。keras搭建模型224利用tf。keras编译模型2合计48五、学习任务(一)设计思路本课程的教学以高等职业教育培养目标为依据，遵循“结合理论联系实际，应知、应会”的原则，以拓展学生专业知识面为重点；同时注重培养学生的钻研精神及专业思维能力。专业知识上本课程系统地介绍深度学习的基本概念、基础算法、框架概念、函数、数据类型的加载和优化算法、搭建编译模型等，通过对深度学习的学习，以及理论与实战相结合的方式，由浅入深进行学习，从而真正掌握深度学习的核心技术、实施和管理方法；把创新素质的培养和思政元素贯穿于教学中，采用行之有效的教学方法，发展学生专业思维和专业应用能力的同时，把社会主义核心价值观的相关内容从课程的导论开始贯穿到课程的结语，使这种信息的强化逐渐转化为学生的情感认同和行为习惯。整体的设计思路是以点带面，以讲解授课为主的教学方式。课程内容充实，课堂教学上，我们使用重点突破的方法，每个知识点讲解对应的一个或者两个典型的实例，让学生触类旁通，举一反三，从而带动整个深度学习应用开发课程的学习。（二）学习任务注：本表格中的“覆盖目标”只需填写在第三部分所确定的学习目标的编号。任务序号任务子任务覆盖目标T1什么是深度学习T1—1|什么是机器学习T1—2|机器学习的4个象限T1—3|什么是深度学习K1，S1，S2，S3，A1，A3，A4，A2T2深度学习在生活中的应用T2—1|交通T2—2|通信T2—3|电子商务T2—4|医疗K1，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T3深度学习的发展历程T3—1|第一次人工智能高潮T3—2|第二次人工智能高潮T3—3|第三次人工智能高潮K3，S1，S2，S3，S4，A4，A3，A5T4深度学习主流框架介绍T4—1|TheanoT4—2|KerasT4—3|CaffeT4—4|PyTorchK4，S4，S5，S3，A2，A3，A4T5Tebsorflow框架概述T5—1|TensorFlow发展史T5—2|TensorFlow数据流图T5—3|TensorFlow特征K5，S1，S2，S3，S4，A4，A5，A3T6利用Anaconda安装TensorflowT6—1|下载安装AnacondaT6—2|安装CUDAT6—3|安装cuDNNT6—4|安装TensorFlow—GPUK6，S1，S2，S4，A1，A2，A3T7JupyterNotebook的使用T7—1|下载安装T7—2|启动jupyterT7—3|新建notebookT7—4|如何使用K7，S2，S1，S3，A3，A4，A1，S5T8Tensorflow的张量思维T8—1|标量（0D张量）T8—2|向量（1D张量）T8—3|矩阵（2D张量）T8—4|3D张量与更高维张量T8—5|关键属性K8，S1，S5，A1，A2，A4T9TensorFlow的数据类型T9—1|Python基本数据类型与TensorFlow的关系T9—2|数值类型T9—3|字符串类型T9—4|布尔类型T9—5|张量类型转换K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T10TensorFlow的常量与变量T10—1|常量T10—2|变量T10—3|常用张量生成方法K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T11TensorFlow的索引和切片T11—1|索引T11—2|切片K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T12张量的维度伸缩与交换T12—1|张量中的轴方向T12—2|张量维度的增加与删除K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T13Tensorflow中的计算T13—1|按元素计算T13—2|按维度计算K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T14Tensorflow的广播机制T14—1|广播的定义T14—2|广播的操作T14—3|广播的使用规则K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T15感知机T15—1|生物神经网络T15—2|单层感知机K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T16激活函数T16—1|sginmoid函数T16—2|tanh函数T16—3|softsign函数T16—4|ReLU函数K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T17损失函数T17—1|平均绝对误差代价函数T17—2|均方差代价函数T17—3|交叉熵代价函数K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T18基于梯度的优化算法T18—1|什么是梯度T18—2|梯度的代码实现T18—3|梯度递减K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T19BP算法T19—1|BP算法的发展历程T19—2|正向传播T19—3|链式求导法则T19—4|误差反向传播K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T20Keras与tf。keras模块T20—1|KerasT20—2|tf。Keras模块K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T21Tensorflow数据加载T21—1|TensorFlow的经典数据集T21—2|Dataset对象T21—3|Dataset的交换K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T22MNIST数据集简介和获取T22—1|MNIST数据集简介T22—2|MNIST数据获取K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T23利用tf。keras搭建模型T23—1|顺序模式T23—2|函数模型T23—3|子类模型K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5T24利用tf。keras编译模型T24—1|tf。keras模块介绍T24—2|利用梯度递减算法构建模型T24—3|模型编译K8，K1，K2，K3，K4，K5，K6，K7，S1，S2，S3，S4，S5，A1，A2，A3，A4，A5六、实施建议（一）组织实施建议以工作过程为导向采用项目教学法或翻转课堂教学法进行教学，让学生能在项目中学习，激发学生的学习兴趣；并充分利用课堂教学这个主渠道，挖掘教学中的思政元素，实现思政资源在专业知识教学中的基因式融入。具体方法如下：1、将“教、学、做”融为一体（1）践行理论，实践真理“实践是检验真理的唯一标准”，思想政治理论课让学生明白了真理，但还没有完全领悟到真理的内涵和价值，而以实践的方式，让学生践行社会主义核心价值观则是理论联系实际。（2）案例引入，提出问题通过案例演示，提出问题，给出知识点，讲解案例应用背景，给学生一个切入点，建立感性认识，让学生感到学有所用，从而明确学习目标。同时，在案例教学中融入思政教育内容，进行专业知识学习的同时自觉地进行人生观、价值观的塑造，润物细无声，对学生世界观的形成起到重要的引领作用。（3）学生自主学习，尝试解决问题引导学生自主学习，找到解决问题的方法和操作技能，培养学生的自主学习意识和学习方法。学生在学习和尝试解决问题过程中，发现问题，提出问题，在问题的引导下学习相关的知识和操作技能。（4）归纳总结，引申提高在每次课结束前，引导学生进行归纳总结。对本次课的实际意义、重点、难点、容易出错处等及时进行总结。并针对案例的不足之处，进行引申和提高。注意在这个阶段，强调的是“引导”学生，而不是老师讲解。（5）举一反三、学以致用为了使学生能学以致用、举一反三、触类旁通，每次教学结束时及时布置相关的课后练习，使学生在课后进一步复习巩固，并且将课后作业纳入课程成绩的考核。同时给出下一次课的学习内容，提示学生预习。2、充分利用现代化教学手段，提高教学效果教学中采用电子演示文稿、大屏幕多媒体联机演示、网络教学等各种先进的教学手段，使课堂教学生动活泼、引人入胜，提高教学效果和效率。为了让学生感受到计算机技术发展的日新月异，增强学习的动力和紧迫感，可通过视频等方式向学生展示前辈们的光辉成就。在前辈们的业绩感召下激发学生的爱国主义情怀，形成为祖国科技发展努力学习的使命感。3、构建学习资源平台教师可将该课程的教学大纲、教案、习题、实验指导、参考资料、教学录像等内容全部放置在网上，并向学生免费开放，通过网络化的教学方式（网络课件、网上答疑、网上提交作业、视频点播），学生可以在课外自主学习，以强化、巩固和拓展教学内容。（二）教材编写建议教材编写应学习贯彻党的十九大精神，以“课程思政”改革为载体推进教材建设。具体方法如下：1、依托“课程思政”教学体系改革，教材应体现课程的“思政内涵”。将习近平新时代中国特色社会主义思想有效融入教案讲义、教学过程、学科和大数据专业建设，使思想政治教育有机融入全课程全过程，让课程在进行专业传授的同时发挥育人功能。2、依托“课程思政”慕课教学模式改革，教材应注重学生实践创新能力培养。摒弃传统的知识灌输和强化训练，将枯燥的编程知识点化解为相应的问题进行启发式、研讨式等教学，注重对学生创造精神和实践能力的培养。3、加强与企业之间的合作与联系。体现职业教育特点和现代意识，推动优秀教师与企业专家联合教学与编写教材，及时更新大数据专业的教材知识体系和结构，建设能体现习近平新时代中国特色社会主义思想、能培养学生实践创新能力、能适应慕课等教学模式的新型教材。（三）实验实训设备配置建议1.培养学生工匠精神。本课程要求在理论实践一体化教室（多媒体教室）完成，以实现“教、学、做”结合，让学生在实践中对编程细节精雕细琢、不断完善。理论实践一体化教室还要求安装多媒体教学软件，方便下发教学任务并跟进学生课堂实践任务情况，以引导学生不断完善代码设计、提高编程思维，培养同学们用精益求精的工匠精神来对待实训项目。2.提倡绿色环保意识。党的十九大明确提出，必须坚持生态文明建设。在每日最后一次实训课结束后，提醒学生及时关机、关屏幕以及其他电源设备，并将其纳入实训室行为规范中。提高学生的节约意识和环保意识，同时为学院节约耗材费用。（四）课程资源开发与利用建议教师可以利用超星泛雅课程资源平台，开发《深度学习应用开发》课程的共享资源，向学生提供优质学习资源。除了理论知识，也将思政元素穿插在专业学习中，从“历史文化、科技发展、法治观念、政治经济、网络安全”5个方面着手，进行案例的选择和素材的筛选，传播爱党、爱国、积极向上的正能量，培养科学精神、工匠精神等。参考教材：（五）教师要求1、必须具备双师素质，有一定的开发经验，对代码规范性有较好的理解；2、在教学组织能力方面，本课程的主讲教师具备基本的设计能力，即根据本课程标准制订详细的课程授课计划，对每一堂课的教学过程精心设计，做出详细、具体的安排；3、具备较强的施教能力，即掌握扎实的教学基本功并能够因材施教，在教学过程中还应具备一定的课堂控制能力和应变能力；4、在思政素养上面，加强与思政教师的合作交流与研讨。根据教育部发布《普通高等学校本科专业类教学质量国家标准》，修订和完善人才培养方案，优化课程设置，加强专业教师与思政教师的合作交流，更新教学内容，时刻把握“课程思政”教学内容和课程体系的改革方向。（六）教学管理教学管理是在主管院长的领导下，实行学院、系部两级负责，学院是教学管理的主体力量，主要通过以下形式进行：1、