机器学习（赵卫东第2版） 教学大纲

PAGEPAGE1教学大纲院系: 日期: 年月日课程代码课程名称深度学习及其应用英文名称DeepLearning:theoryandapplications学分数3周学时3授课语言中文课程性质□通识教育专项□核心课程□通识教育选修□大类基础专业必修□专业选修□其他教学目的深度学习及其应用课程的教学目标旨在为学生提供一个基础而深入的基本内容简介NeuralNetworks，CNN）CNNCNN基本要求:在图像分类方面，学生需要掌握卷积神经网络（CNN）的基本原理和构建方法，理FasterRCNNYOLOv1-v5（FCN）U-Net驾驶、医学影像分析等领域的应用提供技术支持。此外，学生应了解生成对抗网络(GenerativeAdversarial授课方式:授课方式：针对本课程的特点以及学生的基础水平，精心设计了多样化的教学方法。（1）采用了讲授教学。通过系统、全面地讲解深度学习的基本原理、卷积神经网络等核心内容，使学生能够建立起扎实的知识基础。在此过程中，注重理论与实际应用的结合，通过生动的案例和实例，帮助学生更好地理解和掌握知识。（2）本课程还特别注重实验教学的应用。通过设计多个与课程内容紧密相关的实验项目，让学生在实践中深化对理论知识的理解。实验教学不仅有助于提高学生的动手能力，还能培养他们的创新思维和解决问题的能力。（3）主讲教师简介:赵卫东（201320212浦江人才以及企业合作课题等40多项目。已在KnowledgeandInformationSystems,InformationProcessing&Management，InformationSystemsFrontiers，IntelligentDataAnalysis，AppliedIntelligence100（5）（2版（2Python（22102015MVP教学团队成员姓名性别职称院系在教学中承担的职责赵卫东男副教授软件学院教学内容安排(按54学时共计18周，具体到每节课内容):3618（不含实训大作业35%+神经网络概论（在线课程翻转教学为主） 第1-2周 5课时神经网络的发展回顾神经网络从感知机到深度学习的演变过程，探讨其关键技术的突破和进步。通过了解神经网络的发展脉络，学生可以更好地理解其背后的科学原理和技术创新。前向神经网络结构前馈神经网络训练算法神经网络的典型应用案例：新闻分类实验：银行客户流失预测 2课时卷积神经网络基础** 第3-7周（重点、难点）15课时卷积的概念和特征 全课程基础，此部分内容重要图像编码与卷积卷积神经网络训练和优化常见的卷积神经网络算法VGGInceptionResnetDarknet案例：图像分类、长臂猿保护案例：人脸识别、性别识别、年龄识别、活体检测等通过众多案例讨论，宣扬技术向善、精益求精和法律伦理等思政元素。实验：手势识别 2课时目标检测** 第8-12周（重点、难点）21课时目标检测的基本概念基于候选区域的目标检测RCNNFasterR-CNN目标检测算法FasterRCNNFasterR-CNN（RPN）FasterRCNNFasterRCNNv1-v4目标检测算法YOLOYOLO（YouOnlyLookOnce）算法通过一次前向传播即可实现目标的定位和分类，具有较快的检测速度。本部分将详细介绍YOLOv1v4v5算法YOLOv5YOLOv5YOLOv5YOLOv5在不同领域的潜在价值。案例：智能厨房YOLOv5YOLOv5YOLOv5模型，使YOLOv5YOLOv5OpenVINOYOLOv5实验：电动车头盔检测实验 3课时通过上述案例和实验，开展科技兴国、技术服务社会、工匠精神等思政元素。图像语义分割** 第13-15周（难点） 8课时3.1语义分割概述在本单元中，详细介绍语义分割的任务和目标，并介绍一些常见的语义分割算法，通过案例和实验来展示这些算法的原理和应用效果，帮助学生深入理解语义分割的基本概念和原理。3.2UNet算法UNetUNetUNet案例：医学图像分割CTMRI实验：车道和车道线检测2课时生成对抗网络*（研讨型教学为主） 第15-16周 6课时生成对抗网络基本原理GANGANDCGANDCGANDCGAN实验：超分辨率图像重建2课时5.大作业考核 第17-18周 课内外讨论或练习、实践、体验等环节设计：本课程重视实验，具体的安排如下：手势识别电动车头盔检测YOLOv5车道和车道线检测超分辨率图像重建实验GANGANGANGAN技巧，帮助学生提高模型的性能和稳定性。如需配备助教，注明助教工作内容：考核和评价方式（提供学生课程最终成绩的分数组成，体现形成性的评价过程）:成绩的评定主要考虑以下因素：（10%）（30%）（60%）（：2），2022python（2）20222），2021[4]深度学习