《深度学习及应用》课程教学大纲
一、课程基本信息
课程代码课程名称：深度学习及应用
英文名称：Deeplearningandapplication
课程类别：必修课程
学 时：48学时(其中实验24学时)
学 分：3
适用对象：计算机科学与技术专业、软件工程专业、信息管理专业、电子商务专业
考核方式：课程论文
先修课程：高级程序设计语言、汇编语言、python语言
二课程简介
深度学习是目前人工智能、机器学习领域异常火热的研究方向，受到了学术界和工业界的高度关注，被《麻省理工学院技术评论》(MITTechnologyReview)评为2013年十大突破性技术之首。深度学习已经在语音识别、图像识别、自然语言处理等诸多领域取得了突破性进展，对学术界和工业界产生了深远的影响。本课程采用google开源软件TensorFlow作为深度学习技术实现平台，讲解了全连接神经网络、自编码器和多层感知机、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、网络优调与超参数设计，并介绍深度强化学习和网络模型的可视化、多GPU并行与分布式处理技术。通过本课程的学习使学生掌握深度学习技术并应用该技术解决实际问题，了解应用领域的背景知识。
Deeplearningiscurrentlyanextremelyhotresearchdirectioninthefieldofartificialintelligenceandmachinelearning.Ithasreceivedgreatattentionfromacademiaandindustry.Itwasratedasoneofthetoptenbreakthroughtechnologiesin2013bytheMITTechnologyReview.Thefirst.Deeplearninghasmadebreakthroughsinmanyfieldssuchasspeechrecognition,imagerecognition,andnaturallanguageprocessing,andhashadaprofoundimpactonacademiaandindustry.ThiscourseusesGooglesopensourcesoftwareTensorFlowasthedeeplearningtechnologyimplementationplatform,andexplainsthedesignandimplementationoffullyconnectedneuralnetworks,autoencodersandmultilayerperceptrons,convolutionalneuralnetworks,recurrentneuralnetworks,etc.,aswellasthenetworktrainingprocessDataprocessing,networkoptimizationandhyperparameterdesign,andintroductionofdeepreinforcementlearningandnetworkmodelvisualization,multi-GPUparallelanddistributedprocessingtechnology.Throughthestudyofthiscourse,studentswillmasterdeeplearningtechnologyandapplythetechnologytosolvepracticalproblems,understandthebackgroundknowledgeoftheapplicationfield.
三、 课程性质与教学目的
深度学习及应用是计算机及相关专业的必修课之一。深度学习是人工智能取得突破的核心技术，在多个领域获得重要应用。由于课程涉及计算机编程语言，且涉及概念多，内容较抽象，对于基本概念的理解和算法实现的把握有一定难度。
课程的教学要达到三个层次的目的：（1）知识结构。通过理论教学和上机实验，使学生理解深度学习的基本概念和算法，掌握神经网络的基本概念和理论知识，深度学习中主要网络的基本概念和相关算法，掌握深度学习网络的参数训练、深度