188宝金博页面版

《深度学习及应用》教学大纲 课程编号： 英文名称：Deep Learning and Applications 学 分：2 学 时：总学时 40 学时，其中理论 24 学时，实践 16 学时 先修课程：人工智能导论 课程类别：专业应用课程 授课对象：理工类等专业学生 教学单位： 修读学期：第 5 学期 一、课程描述和目标 《深度学习及应用》在理工类专业人才培养体系中居于核心地位，是赋能人工智能领域高素质人才的关键课程。课程以“理论奠基-模型贯通-实践转化”为主线，系统讲授深度学习基础理论、经典模型架构（包括卷积神经网络、循环神经网络、生成对抗网络及 Transformer 等）及其在计算机视觉、自然语言处理等领域的前沿应用。教学内容覆盖各种网络基本原理、模型训练与调优策略及前沿技术演进，通过理论讲授与项目实践深度融合，引导学生将算法模型映射至实际工程场景，有效提升创新思维与解决复杂工程问题的综合能力，为学生未来投身人工智能相关领域筑牢坚实根基。 本课程拟达到的课程目标如下。 课程目标 1：系统掌握人工智能与深度学习的基本概念，深入理解传统神经网络及主流深度学习模型（包括卷积神经网络、循环神经网络、生成对抗网络、变分自编码器、YOLO 网络、Transformer、扩散模型及知识蒸馏网络等）的核心原理与架构特征。能够面向实际人工智能应用场景，准确识别与评估任务中的关键技术与约束因素，具备运用所学模型进行问题分析与合理建模的能力。 课程目标 2：能够灵活运用深度学习理论知识，针对复杂工程与科学问题开展系统性分析与方案设计，具备将前沿模型适配至具体任务场景的实践能力。通过项目驱动与案例研讨，培养学生主动追踪人工智能前沿动态的学习习惯，强化算法创新意识与跨场景迁移能力，实现从“知识理解”向“灵活应用”的能力跃升。 课程目标 3： 具备敏锐跟踪人工智能学科前沿发展动态的学术意识，能够通过文献精读、开源复现与项目实践等多种途径，主动探究深度学习新兴技术（如大模型、多模态、高效微调等）的内在机理与应用潜力。在此基础上，培养学生批判性思维、独立科研选题能力及学术表达与成果转化能力，为其后续攻读更高学位或从事产业核心技术研发奠定坚实而宽厚的素质基础。