深度学习技术应用-课程标准

深度学习技术应用课程标准专业大类：电子与信息大类专业名称：软件技术专业课程名称：深度学习技术应用学时：48学时目录TOC\o"1-2"\h\z\u一、课程性质与任务 一、课程性质与任务《深度学习技术应用》是学院双高专业群中软件技术专业拓展课程人工智能方向选修课程之一，主要培养学生能够掌握经典深度学习神经网络模型基础概念以及原理，熟悉不同网络结构的特性和差异，能够使用开源基础模型库，根据业务需求调用模型库模型。能够根据业务要求，使用深度学习框架构建有效的深度学习神经网络结构并完成训练，得到模型文件。最终能够从事面向包含深度学习相关业务的智能制造、智能零售、智慧安防、智慧交通、智慧农业、互联网企业等深度学习技术服务以及技术开发部门的工作。本课程安排在第四学期，前序课程《人工智能开发平台》为本课程奠定了人工智能思维和意识的基础，同时本课程为后续选修课程《机器学习应用》等提供了回归算法、梯度下降算法、神经网络的知识和技能，为后续课程顺利实施提供保障。二、课程目标与要求《深度学习技术应用》课程充分调研行业企业对人才技术技能需求，将教学学过程与企业深度学习模型训练与部署、人工智能应用开发等生产过程相衔接，与企业一线工程人员共同研究学生需要掌握的职业知识理论和技能，同时参照“1+X”人工智能深度学习工程应用职业技能等级证书要求，将证书内容和岗位需求充分融入教学内容。具体课程教学目标如下（层次要求参见能力目标考核标准）：1.知识（1）掌握爬虫基本原理、爬虫基础框架、数据清洗、数据存储、数据标注等数据处理与数据持久化存储基本知识；（2）掌握基础深度学习神经模型基础概念以及原理，包括全连接网络、卷积神经网络、循环神经网络等基础深度学习神经模型原理与结构；理解梯度下降算法、激励函数、ReLU线性整流函数等参数优化算法；（3）掌握基于特定深度学习技术平台完成模型搭建、模型训练、模型调参、模型部署等深度学习模型训练与环境部署的流程；（4）掌握LeNet、AlexNet、VGGNet、ResNet等多种经典神经网络结构，理解各神经网络模型的特性和适应场景；（5）2.能力（1）能够根据业务需求，完成对深度学习产品的需求分析，制定深度学习技术实施方案；（2）能通过数据市场或开源数据采集渠道，进行图像数据采集、数据清洗和持久化数据存储；（3）能利用合适的工具完成符合标注质量标准的图像标注任务；（4）能够掌握多类型神经网络结构，结合各深度学习神经网络模型的特性选择合适深度学习模型；（5）能够搭建深度学习框架开发与运行环境，能够使用深度学习框架搭建多种经典神经网络模型结构；（6）能够掌握深度学习模型训练流程和训练方法，得到模型文件；（7）能够对深度学习模型进行模型测、评估与参数设置，计算模型在测试集上的准确率与损失，调整模型参数；（8）能够用结合服务端技术与前端页面技术，调用深度学习模型，开发智能应用；3.素质（1）坚定拥护中国共产党领导和我国社会主义制度，在习近平新时代中国特色社会主义思想指引下，践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感。（2）崇尚宪法、遵法守纪、崇德向善、诚实守信、尊重生命、热爱劳动，履行道德准则和行为规范，具有社会责任感和社会参与意识。（3）具有质量意识、环保意识、安全意识、信息素养、创新思维、全球视野，以及“技术精、服务优、守时有信”的信息网络服务意识和爱岗敬业、精益求精、勇于创新、甘于奉献的信息网络服务劳模精神和工匠精神。（4）勇于奋斗、乐观向上，具有自我管理能力、职业生涯规划的意识，有较强的集体意识和团队合作精神。（5）具备一定的审美和人文素养,良好的沟通能力与团队协作精神。（6）具有一定国际化视野与英文基础，科学获取、利用、传递资料信息进行自主学习。通过学习实践，可以让学生根据了解和掌握深度学习基本原理、多类型深度神经网络结构和深度学习技术框架的不同深度基础上，达到能够进行人工智能产品运维、深度学习数据输入、模型搭建、模型训练、模型测试、模型调参、模型部署等智能应用开发流程各环节的“标准、进阶和提高”三个不同层次水平。学生达成各层次水平课程目标能力如表1所示。表1学生三阶层次水平与对应目标能力学生达成层次水平课程目标能力标准层次水平能够根据业务要求，使用Python从网络采集合适数据；对采集的数据文件进行格式规范及存储，并利用标注工具进行数据标注；能够掌握深度学习基本概念与原理，利用适深度学习开发框架搭建深度神经网络，训练神经网络得到模型；够用结合服务端技术与前端页面技术，调用深度学习模型。进阶层次水平能够根据业务要求，使用Python从网络采集合适数据，加载不同存储格式的数据；对采集的数据文件进行格式规范及存储；能够依据数据清洗标准进行数据清洗；利用数据标注工作进行标注；能够掌握深度学习基本概念与原理，根据场景需求选择合适的神经网络模型，利用适深度学习开发框架搭建经典深度神经网络，训练神经网络得到模型；够用结合服务端技术与前端页面技术，调用深度学习模型。提高层次水平能够根据业务要求，使用Python从数据市场或开源数据采集渠道，加载不同存储格式的数据；对采集的数据文件进行格式规范及存储；依据数据清洗流程标准进行数据清洗；利用数据标注工作进行标注，制作数据集；能够掌握深度学习基本概念与原理，根据场景需求选择合适的神经网络模型，利用适深度学习开发框架搭建经典深度神经网络，训练神经网络得到模型；计算模型在测试集上的准确率与损失，对深度学习模型进行模型测试与评估；够用结合服务端技术与前端页面技术，调用深度学习模型，开发完整的智能应用三、课程结构与内容1.课程结构本课程以深度神经网络的构建、深度学习模型训练、部署与应用为背景，主要围绕着一个利用深度神经网络实现图像分类与识别的智能应用项目展开，通过完整的人工智能应用项目全面展示使用深度学习技术实现智能应用开发的整体流程，实现在软件技术专业核心技能--前后端开发技术基础上拓展人工智能应用开发的外延目标。本课程共分为项目概述、数据准备、深度学习模型开发、后端模型调用服务开发、前端界面开发5部分，总课时为48学时，课程结构如表2所示。表2课程项目结构与对应能力划分表序号项目能力目标参考学时项目学时1概述：基于深度学习的动物图像分类与识别能够根据业务需求，完成对深度学习产品的需求分析，制定深度学习行业解决方案及技术实施方案222数据准备能依据业务要求通过数据市场或开源数据采集渠道，进行图像数据采集、数据清洗；26能够将数据持久化存储；2能利用合适的工具完成符合标注质量标准的图像标注任务；23动物识别模型开发能够结合各深度学习神经网络模型的特性为应用场景选择合适深度学习模型；416能够使用深度学习框架搭建多种经典神经网络模型结构；4能够掌握深度学习模型训练流程和训练方法，最终得到模型文件；4能够对深度学习模型进行模型测、评估与参数调整；2能够计算模型在测试集上的准确率与损失，调整模型参数；24模型后端调用服务开发能够根据业务需求对不同部署场景制定深度学习模型部署方案；4164445前端界面开发2824总计48482.课程内容课程内容与目标如表3所示。表3《深度学习技术与应用》课程内容与目标序号项目名称学习任务学习内容活动学习目标参考学时1概述：基于深度学习的动物图像分类与识别人工智能应用开发全流程（1）了解计算机视觉领域应用场景;（2）了解人工智能应用开发整体流程；（3）根据项目需求，初步选择深度学习算法与技术路线。知识：1.计算机视觉；2.深度学习。能力：能够根据业务需求，完成对深度学习产品的需求分析，制定深度学习行业解决方案及技术实施方案。素养：1.培养软件开发工程规范思维；2.培养学生整体和部分、分析和综合的辩证思维方式。22数据准备数据爬取与清洗（1）掌握数据爬取基本库requests的常用函数；（2）掌握requests库请求头的设定；（3）能够利用request库发送请求获取服务端响应的网页源码；（4）掌握beautifulsoup库的常用函数，能够使用beautifulsoup库解析网页源码；（5）能够利用正则表达式和beautifulsoup库的常用函数对获取的网页源码进行数据清洗，获取最终的图片结果；（6）利用IO技术将爬取到的图片信息存储到本地；知识：1.数据采集；2.数据清洗。能力：能依据业务要求通过数据市场或开源数据采集渠道，进行图像数据采集、数据清洗。素养：1.培养学生具有团队协作精神；2.培养认真细致、严谨负责的职业态度和习惯。23数据持久化存储（1）掌握MySQL数据库的安装和可视化工具Navicat的使用；（2）掌握MySQL数据库表结构的创建和使用；（3）掌握SQL语言的基本语法构成，能够利用SQL语言实现对表中数据的增删改操作；（4）掌握SQL语言的基本查询语法并能够查询出指定的数据内容；（5）掌握SQL语句的常用函数，能够利用函数对查询结果进行简单的数据处理。知识：1.数据持久化存储能力：能够将数据持久化存储；素养：1.培养学生的当代使命与责任担当意识；2.通过健康码与行程码在疫情防控中发挥的巨大作用，培养学生职业自豪感。24图像数据标注与数据集制作（1）掌握numpy模块的常用函数，能够使用numpy模块熟练操作一维数组；（2）掌握pandas模块的常用函数，能够使用pandas模块构建二维数组实现数据集的制作；（3）掌握matplotlib模块的常用函数，能够使用matplotlib实现数据集可视化；（4）使用matplotlib模块实现折线图、柱状图等数据图表的可视化并完成数据标注。知识：1.图像数据标注；2.数据集制作。能力：能利用合适的工具完成符合标注质量标准的图像标注任务。素养：1.培养学生按照项目规范，完成项目流程职业素养；2.培养学生养成劳动习惯；3.培养学生内心笃定而着眼于细节的耐心、执着、坚持的素养。25动物识别模型开发模型开发环境搭建（1）掌握Anaconda安装于虚拟环境创建；（2）掌握TensorFlowCPU与GPU环境安装；知识：1.Anaconda环境安装2.Anaconda命令行3.TensorFlow安装；4.CUDA和cudnn的作用和源码结构。能力：能够搭建深度学习框架开发与运行环境。素养：1.培养学生养成发现工具的意识；2.提升学生借助工具解决实际问题、发挥工具最大价值的能力。26前馈神经网络DNN初识（1）理解神经元基础结构及功能（2）掌握前馈神经网络结构组成（3）理解激活函数、损失函数的意义（4）理解梯度下降算法的原理知识：1.神经元基础结构2.前馈神经网络结构3.激活函数的用途4.损失函数的用途5.梯度下降法的原理能力：能够掌握多类型神经网络模型素养：1.培养学生使用辩证唯物主义认识事物的能力；2.培养学生分析问题的能力。27搭建基于DNN的动物识别了解图像数据集的定义和获取；掌握图像的输入流程；掌握相关参数的定义和作用，例如：学习率、训练总周期；掌握全连接层函数的定义；掌握模型训练的流程；掌握测试结果准确率的获取。知识：1.多层感知器；输出层工作原理；分类器工作原理；模型的训练与保存。能力：能够使用深度学习框架搭建多种经典神经网络模型结构。素养：1.培养学生使用辩证唯物主义分析问题、解决问题的能力；2.培养学生举一反三、知识迁移的能力。28卷积神经网络CNN初识（1）了解卷积神经网络的应用场景；（2）掌握卷积层的工作原理以及卷积核的定义；（3）掌握池化层的常用池化方式；（4）掌握全连接层的生成原理；（5）掌握输出层结果的计算方式。知识：1.卷积层工作原理；池化层工作原理；全连接层工作原理。能力：能够掌握多类型神经网络模型。素养：1.培养学生使用辩证唯物主义分析问题、解决问题的能力；2.培养学生举一反三、知识迁移的能力。29搭建基于CNN的动物识别模型了解图像数据集的定义和获取；掌握图像的输入流程；掌握相关参数的定义和作用，例如：学习率、训练总周期；掌握卷积层函数的定义；掌握池化层函数的定义；掌握全连接层函数的定义；掌握模型训练的流程；掌握测试结果准确率的获取。知识：1.图像的输入；相关参数的定义；卷积层、池化层、全连接层函数定义；模型准确率获取与调整。能力：能够使用深度学习框架搭建多种经典神经网络模型结构。素养：1.培养学生的创新思维210动物识别模型的训练（1）掌握TensorFlow模型构建；（2）掌握TensorFlow模型训练；（3）掌握TensorBorad调试与评估；（4）掌握TensorFlow模型载入以及调用。知识：1.TensorFlow模型构建；TensorFlow模型训练；3.TensorFlow模型调试；4.TensorFlow模型载入；能力：能够对深度学习模型进行模型测、评估与参数调整，计算模型在测试集上的准确率与损失，调整模型参数。素养：1.培养学生建立积累意识211动物识别模型的优化（1）掌握模型验证常用算法；（2）掌握参数调整和优化的常用算法。知识：1.模型验证算法；2.参数优化算法。能力：能够对深度学习模型进行模型测、评估与参数调整，计算模型在测试集上的准确率与损失，调整模型参数。素养：1.培养学生“质量第一，精益求精”的工匠精神；2.培养学生严谨负责的职业态度和习惯。212动物识别模型的保存（1）了解h5模型的基本结构；（2）掌握h5模型的保存和载入。（3）了解其他文件类型模型的保存知识：1.h5文件基本构成；2.h5文件的生成与保存能力：能够掌握深度学习模型训练流程和训练方法，得到模型文件。素养：1.培养学生锲而不舍的民族精神。213模型调用服务端开发服务端环境搭建（1）掌握Django框架的MTV核心思想；（2）掌握Django框架前后端交互形式；（3）掌握Django的安装流程；（4）能够独立构建一个Django框架的工程；（5）掌握Django工程的目录结构；（6）掌握Django框架常用的配置文件中的核心配置。知识：1.MVC分层思想；工程目录结构；常用配置。能力：能够搭建深度学习框架开发与运行环境素养：1.培养学生的认认真真、尽职尽责的工匠敬业精神。214模型调用环境搭建（1）掌握TensorFlow-serving的基本工作流程；（2）了解TensorFlow-serving模型训练的流程；（3）了解模型在TensorFlow-serving中上线的过程；（4）掌握通过gRPC和RESTfullAPI两种方式同TensorFlow-serving端进行通信。知识：1.TensorFlow-serving工作流程；模型训练；模型上线；服务使用。能力：能够搭建深度学习框架开发与运行环境素养：1.树立学生的奉献意识与开源精神215文件上传与接收（1）掌握表单的基本构成：表单域、表单标签、表单按钮；（2）掌握表单的提交方式，了解get请求和post请求的区别；（3）了解Django路由设置（3）了解如何通过表单上传动物图像；（4）了解request模块工作原理以及接收图片的流程。知识：1.表单的构成；表单提交方式；图片上传；服务端图片接收。Django路由能力：素养：1.树立坚定的中国特色社会主义的道路自信216动物图像处理（1）了解图像处理的基本操作；（2）掌握利用神经网络对图像进行分类处理的流程；（3）了解图像分割具体操作流程。知识：1.图像分类；2.图像分割。能力：素养：1.培养学生的规范与标准意识。217模型调用方式一（1）掌握如何通过keras加载h5文件；（2）掌握调用h5模型预测的方法知识：2.h5模型的保存、载入与调用。能力：能够掌握深度学习模型训练流程和训练方法，得到模型文件素养：1.培养学生的法律意识；2.培养学生诚实守信的职业道德。218模型调用方式二了解TensorFlow-serving服务调用的方式；了解TensorFlow-serving保存模型的具体流程；（3）了解TensorFlow-serving模型调用具体流程；（4）了解TensorFlow-serving模型调优的具体方式。知识：1.TensorFlow-serving服务调用；2.TensorFlow-serving模型保存；3.TensorFlow-serving模型调用；4.TensorFlow-serving模型调优。能力：能够掌握深度学习模型训练流程和训练方法，得到模型文件素养：1.培养学生实事求是分析的思维方式；219识别结果数据返回（1）掌握将客户端发送的数据进行处理的流程；（2）掌握响应对象的组成；（3）掌握利用render函数最终将深度学习训练后的结果响应回前端的流程。知识：1.数据处理；2.数据响应。能力：素养：1.培养学生具有团队协作精神；2.培养勇善于沟通的职业态度和习惯。220动物识别模型调用测试（1）掌握引用部署的流程；（2）掌握测试的常用方式；（3）能够对项目开发中的Bug进行发现与处理；（4）掌握views文件中视图函数的设定；（5）了解HttpResponse对象的工作原理；（6）掌握路由的设计规范；（7）掌握通过路由调用视图返回画面的全过程；知识：1.应用部署流程；2.应用调试方法。能力：能够用深度学习模型部署工具对深度学习模型进行服务端部署与调试；素养：1.培养学生运用辩证唯物主义认识事物发展的思维方式；2.培养学生的认认真真、尽职尽责的工匠敬业精神。221前端界面开发动物识别前端页面设计（1）掌握HTML语言的常用标签；（2）掌握HTML语言的表格布局系统；（3）掌握HTML语言的表单定义和常用表单标签。知识：1.HTML常用标签；HTML表格标签；HTML表单标签。能力：素养：1.培养学生艺术美感思维；2.帮助学生正确认识科学技术与艺术的关联。222动物图片上传（1）掌握JS基本语法，了解JS基本流程控制语言语法；（2）掌握JS事件的定义和函数的创建；（3）了解jQuery框架的基本语法；（4）掌握通过jQuery定义Ajax引擎的语法结构；（5）了解通过Ajax技术实现图片的异步上传操作。知识：1.JS基本语法；2.JQ基本语法；3.Ajax图片异步上传处理。能力：素养：1.培养勇于创新、职业态度和习惯。223识别结果接收与显示（1）掌握Ajax引擎创建的几种方式；（2）掌握回调函数的定义和使用；（3）能够获取后端响应的JSON格式数据；（4）了解JSON数据格式的基本构成并且能够对JSON格式的数据进行解析。知识：1.局部刷新、异步处理；2.JSON数据格式构成；3.JSON数据解析。能力：素养：1.培养学生资源集约化利用的环保思想；224前后端联调了解项目测试的基本流程。实现项目的最终调试。知识：1.前后端联调。能力：素养：1.培养学生具有团队协作精神；2.培养严谨负责的职业态度和习惯。3.培养学生整体和部分、分析和综合的辩证思维方式。2四、课程思政设计本课程教学过程中在注重传授专业知识技能，提升学生职业竞争能力同时，以讲好大国工匠和大国技术的故事弘扬工匠精神，讲活历史故事和人文知识弘扬人文精神，讲清辩证法与唯物主义传递马克思主义思想武器，讲透国情和党情树立坚定信念的方式，将正确的世界观、人生观和价值观融入知识技能传授之中，使学生自然接受思想政治熏陶、自觉认同升华，从而学会做人，学会做事，引导学生全面发展，成为适合国家发展需求的高素质高技能的工匠人才和坚定担当者。《深度学习技术与应用》课程思政融入设计及参考素材如表4所示，课程使用中建议结合课程实施时思政主题灵活替换课程思政元素和参考素材。表4《深度学习技术与应用》课程思政融入参考设计表序号学习任务课程思政元素参考素材1人工智能应用开发全流程马克思主义辩证法：整体与局部建议切入点：人工智能应用开发的整体规划与各流程的有效划分“不畏浮云遮望眼，只缘身在最高层。”坚持系统性、整体性、协同性等都是辩证思维方法的集中体现。作为一个复杂的系统工程，“两弹一星”工程涉及中央和地方关系的协调、多部门大协作、工程各部分之间的协调，各种关系错综复杂。2数据爬取与清洗职业素养之一：守规则、负责任建议切入点：数据清洗造成切尔诺贝利核电站事故的原因之一是试验当班负责人在试验操作过程没有秉持严谨负责的工作态度，没有完全遵守试验大纲。3数据持久化存储时代精神：使命与担当建议切入点：数据的存储与应用疫情期间，健康码与行程码作为常态化、精准化防控的重要信息化手段，发挥了巨大社会价值，它们背后正是数据存储与分析，健康码的程序和工程师签名被国家博物馆收藏4图像数据标注与数据集制作“工匠精神”的基本内涵之一：专注切入点：数据标注《卖油翁》是宋代文学家欧阳修创作的一则写事明理的寓言故事，通过卖油翁的“无他，惟手熟尔”表达了当人们专注于做好一件小事是，自然会孰能生巧，提升效率。5模型开发环境搭建思维方法：荀子的学习方法马克思主义：马克思主义现象与本质传统文化与马克思主义二者的融合切入点：虚拟环境的作用荀子在《劝学》篇中提到：君子生非异也，善假于物也。应该学习这种善于发现工具，借助工具的思维，6前馈神经网络DNN初识马克思主义辩证法：否定之否定切入点：神经网络发展史“山重水复疑无路柳暗花明又一村”。事物的发展不是直线式前进而是螺旋式上升的，神经网络的诞生过程正好7搭建基于DNN的动物识别马克思主义辩证法：对立统一之主要矛盾与次要矛盾切入点：激活层诸葛一生唯谨慎，吕端大事不糊涂。“诸葛”当然是指诸葛亮，其人掌军理政之谨慎，史家已有共识。但过于谨慎是有代价的，那就是面临新情况做决策时，考虑因素过多，思前顾后，从而使其判断力（或称之为预测力）大打折扣。而同样身居高位的吕端则不同。吕端是宋朝一个名宰相，别看他平时糊里糊涂的，很多鸡零狗碎之事，他从不斤斤计较。但一旦涉及原则性、关键决策点时，吕端从不马虎，其风格有点像“大行不顾细谨”。8卷积神经网络CNN初识中国传统文化：孔子的学习方法马克思主义：马克思主义现象与本质二者的融合切入点：卷积的含义孔子曾说：举一隅不以三隅反,则不复也（《论语·第七章·述而篇》）卷积的概念来源于信息学，人工智能借用了卷积的核心理念，虽在本学科内赋予了新的含义，但是本质还是没有变化，抓住本质就可以举一反三9搭建基于CNN的动物识别模型思维方法：王羲之练字方法模仿与创新工匠精神值：创新切入点：典型模型的编写王羲之在《笔势论十二章·创临章第一》针对临帖，说：“始书之时，不可尽其形势，一遍正手脚，二遍少得形势，三遍微微似本，四遍加其遒润，五遍兼加抽拔，如其生涩，不可便休，两行三行临之，为取滑健能，不计其遍数”。写字与写程序很相似，都是先要模仿优秀的程序，通过一遍又一遍仿写，才能掌握。10动物识别模型的训练中国传统文化之：厚积薄发切入点：模型的训练苏洵年轻时，读书不努力，常和朋友们赛马、游山玩水，糊里糊涂混日子。二十七岁的时候，苏洵才发现，混日子没意思。于是发愤学习，学习一年自以为差不多了，就去考进士，结果没有考中。他这才认识到，学习并不容易。从此，他谢绝宾客，闭门攻读，夜以继日，手不释卷。如此发愤攻读了五、六年，终于文才大进，下笔如有神，顷刻数千言。好的模型也是如此，需要反复训练，唯有静下心，刻苦磨练，才能厚积薄发11动物识别模型的优化“工匠精神”的基本内涵之一：精益切入点：参数的调整《礼记·学记》:“玉不琢，不成器”，模型如同玉一般，如果不经过千锤百炼，玉成不了器，模型也无法发挥作用12动物识别模型的保存思想认识：累积意识民族精神：锲而不舍切入点：模型的分阶段保存荀子在《劝学》篇中提到：不积跬步无以至千里故不积跬步，无以至千里；不积小流，无以成江海。骐骥一跃，不能十步；驽马十驾，功在不舍。锲而舍之，朽木不折；锲而不舍，金石可镂。13服务端环境搭建“工匠精神”的基本内涵之一：敬业切入点：环境的安装与配置作为一名港口工人，许振超干一行、爱一行、精一行，自学成才，苦练技术，练就了“一钩准”“一钩净”“无声响操作”等绝活儿，先后7次刷新集装箱装卸世界纪录，使“振超效率”享誉全球。即使作为开发工程师，也需要从事开发之外的工作内容，例如环境配置，必须要有敬业精神才能做好任何事情14模型调用环境搭建民族精神：奉献精神切入点：框架的开源科研人员将其科研成果开源，让更多人更容易地站到巨人的肩膀上发挥他们的创造力，推动全人类的技术进步。如果说“两弹一星”精神是科研人员对国家的奉献精神，那么开源精神则是科研人员对产业的奉献精神，是习近平总书记提出的“人类命运共同体”理念在信息技术领域的最好体现。15动物图像上传与接收道路的选择切入点：路由映射中国特色社会主义道路是近代以来中国人民经过艰辛探索最终选择的现代化道路，是中国共产党和中国人民在长期实践中逐步开辟出来的道路。一次又一次的生动实践证明中国特色社会主义道路是唯一正确的道路。改旗易帜的路就是行不通16动物图像处理职业素养之一：规范与标准切入点：图像尺寸的统一周朝时，周人在长期的生产实践中形成了一系列简便实用的检验标准与规范，确立了相应的评价体系，将达到一定工艺水平的工匠称之为“国工”，即一国之中技术水平最为优秀的国家级工匠。这些大国工匠的评定标准就是当时各手工业的标杆，《周礼·冬官考工记》中记载了三十多个工种的标准。不要以为古人很落后，古人在很多领域的科学发现令生活在今天科技昌明的现代人都惊叹不已。若没有前人大量的技术积累，中华民族不会取得一系列引以为傲的伟大成就。了解周朝“国工”水平，惊叹之余，正该立身岗位，朝着当代的大国工匠水平看齐，对标对表，实现个人价值，留下自己的一份贡献。17模型调用方式一职业素养之一：守法切入点：HTTP协议网络运营者或技术人员有时在未经用户许可的情况下，通过“cookie”追踪用户行为，记录并获取用户的访问信息，实现统计网站访客数量、精准营销、记录用户喜好、操作等功能，这种行为已经触犯法律。18模型调用方式二马克思主义：实事求是切入点：方式的选择红军之所以在第五次反“围剿”中遭受失败，主要原因是由于党内“左”倾教条主义的错误领导和共产国际军事顾问李德的错误指挥，他们死板地把书本上的一套搬到革命苏区，在反“围剿”中不从中国的实际情况出发，抛弃过去几次反“围剿”中行之有效的积极防御方针，而实行军事冒险主义的方针。在选择调用方式时，也需要根据实际需求来确定19识别结果数据返回职业素养之一：良好沟通切入点：数据返回《扁鹊见蔡桓公》故事的另一个侧面，从扁鹊四次劝桓公失败的教训中，提示了纵然医术高明，如果缺乏良好沟通，还是没有办法医治好患者，从而说明实现良好沟通的必要性。20动物识别模型调用测试马克思主义：认识运动反复性和无限性切入点：应用调试马克思主义认识运动的基本规律之一：由于客观事物的发展和本质的暴露是一个过程，人的认识也受到实践水平和认识能力等因素的限制，因而人们对一个复杂事物的认识，总是要经历由感性到理性，再由理性到实践的多次反复才能完成。程序的调试过程完全符合这一规律，只有不断用多种方案调试程序，才能发现程序中的逻辑漏洞21动物识别前端页面设计科技与艺术的关系切入点：页面布局钱学森是一流的科学家，但音乐、书法、绘画、摄影……却与他终身相伴，在艺术上，他还有颇高的造诣。钱学森与蒋英的联姻，正是“航天之父”与“欧洲艺术歌曲权威”的完美结合，对他而言:艺术上的修养，让他开拓了科学技术的创新思维，艺术与科学技术互相促进，互相渗透，共同启发。22动物图片上传“工匠精神”的基本内涵之一：创新切入点：JS与Ajax的关系华为公司通过不断创新，在全球通信行业崛起，并颠覆了通信产业的传统格局，让世界绝大多数普通人都能享受到低价优质的信息服务，让国际领略中国制造水平。23识别结果接收与显示思维认识：环保思想切入点：异步处理“天育物有时，地生财有限，而人之欲无极。以有时有限奉无极之欲，而法制不生其间，则必物暴殄而财乏用矣。”这是唐朝诗人白居易的资源危机观。小到计算机资源，达到自然资源都有合理规划，合理开发与利用24前后端联调时代精神：“两弹一星”团队协作精神切入点：多模块融合在研制“两弹一星”的过程中，有众多部门协同作战，正式他们团结协作，群策群力，才能突破了一系列关键技术，使中国科研能力实现了质的飞跃五、考核方案本课程实践性和应用性比较强，同时考虑学生个体存在的素质差异，建议考核采用平时成绩、形成性考核与期末考核相结合的方式，成绩评定过程注重学生的动手实践能力和个体素质差异，培养学生自信心，注重使学生获得成就感和价值感。课程总评成绩组成为：平时成绩占30%，形成性考核占20%，期末考核成绩占课程总评成绩的50%，课程总评成绩为百分制，60分以上（包括60分）算合格。1．平时成绩主要考核学生在课程学习过程中的态度、过程、成果和素养，具体考核内容分值如表5所示。表5《深度学习技术与应用》平时考核参考标准表指标类别评价指标评价内容过程准备是否主动预习课程新内容。（5分）参与课堂表现是否优秀（无迟到、旷课、早退、睡觉等不良行为）。（10分）倾听上课是否认真听讲；（2分）是否能正确理解老师讲解的知识点。（3分）提问能否提出相关的不解问题。（5分）实践能否积极主动的学习实践（读书、查找资料、请教他人、实践探索等）；（10分）工作思路是否明确、清晰，工作计划是否科学合。（10分）表达能否口述回答相关简单问题。（5分）解决能否独立解决相关扩展问题。（5分）成果思路任务开发思路是否清晰；（2分）逻辑是否正确。（3分）完成度小组是否按时完成任务。（10分）结果展示结果展示是否通俗易懂；（2分）展示结果是否正确。（3分）素养表达是否与他人交流学习成果。（5分）合作是否在小组活动中起到组织作用；（2分）是否以小组活动共荣辱。（3分）情感是否快乐并积极的参与一堂课程。（5分）帮助是否帮助他人学习。（5分）综合评价标准层次过程：50%、成果25%、素质25%进阶层次过程：20%、成果50%、素质30%提升层次过程：20%、成果30%、素质50%每次该项所得成绩相加后取平均值为平时成绩合计，该项成绩的30%计入总评成绩2．形成性考核关注各项能力目标的完成度，只要在该课程整个学习过程结束前完成相应等级的考核过程并提交，即可得到相对应的考核分数，考核过程主要侧重操作技能考核，成绩评定由实训系统自动评测配置正确程度，最后由教师结合系统评分和学生水平等级进行综合评分，教师进行综合评分过程中应结合学生能力纵向对比的动态变化多元化实施，参考标准表如表6所示。表6《深度学习技术应用》形成性考核技能参考标准表序号考评项目主要考核内容考核方式1能够根据业务需求，完成对深度学习产品的需求分析，制定深度学习行业解决方案及技术实施方案。统一标准(满分100)根据项目需求，分析各种网络结构是否适合需求场景，选择合适的深度神经网络与技术路线。学生根据需求完成初步规划设计方案。教师学生完成过程和成果综合评分。2能依据业务要求通过数据市场或开源数据采集渠道，进行图像数据采集、数据清洗和持久化数据存储；分为三个层次标准（最高分70）1、使用爬取基本库requests的爬取互联网数据；2、手动查看并清洗数据3、利用IO技术将爬取到的信息存储到本地；进阶（最高分85）1、使用爬取基本库requests、beautifulsoup的爬取互联网数据；2、使用python资源库清洗数据3、将爬取到的图片信息存储到mysql数据库提高（最高分100）1、综合应用爬取基本库requests、beautifulsoup和正则表达式等技术爬取互联网数据；2、使用python资源库清洗数据3、将爬取到的图片信息存储到mysql数据库1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。3能利用合适的工具完成符合标注质量标准的图像标注任务；分为三个层次标准（最高分70）对数据进行分类标注；进阶（最高分85）使用工具对数据进行分类、边界框标准提高（最高分100）1、使用工具对数据进行分类或边界框标准2、制作数据集1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。4能够将具体的业务问题快速转化为可以使用现有深度学习方法解决的问题，结合各深度学习神经网络模型的特性选择合适深度学习模型分为三个层次标准（最高分70）能够对业务问题转化为人工智能典型应用场景进阶（最高分85）能够对业务问题转化为人工智能典型应用场景，给出使用的网络类型提高（最高分100）能够对业务问题转化为人工智能典型应用场景，精细化给出使用的典型网络结构1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。5能够使用深度学习框架搭建多种经典神经网络模型结构分为三个层次标准（最高分70）使用深度学习技术框架搭建线性回归模型，深度神经网络进阶（最高分85）使用深度学习技术框架搭建线性回归模型，深度神经网络、卷积神经网络提高（最高分100）使用深度学习技术框架搭建线性回归模型，深度神经网络、卷积神经网络、循环神经网络1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。6能够掌握深度学习模型训练流程和训练方法，得到模型文件分为三个层次标准（最高分70）在CPU环境下使用深度学习技术框架训练得到模型文件进阶（最高分85）在GPU环境下使用深度学习技术框架训练得到模型文件提高（最高分100）在GPU环境下，调用深度学习技术框架不同API训练得到不同类型的模型文件，可以实现模型断点训练1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。7能够对深度学习模型进行模型测、评估与参数设置，计算模型在测试集上的准确率与损失，调整模型参数分为三个层次标准（最高分70）使用TensorBorad观察训练过程的精确率与损失进阶（最高分85）使用深度学习技术框架训练得到模型文件，并通过了超参数调整结合TensorBorad对模型进行评估与优化提高（最高分100）使用深度学习技术框架训练得到模型文件，通过修改学习率、批处理量、损失函数、激活函数、正则化方式等手段，结合TensorBorad对模型进行评估与优化。1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。8能够用结合服务端技术与前端页面技术，调用深度学习模型，开发智能应用分为三个层次标准（最高分70）能正确创建、配置并运行Django工程，编写程序调用模型返回结果进阶（最高分85）能正确创建、配置并运行Django工程，编写前端界面发送请求，编写程序调用模型，编写前端界面接受返回结果提高（最高分100）能正确创建、配置并运行Django工程，编写前端界面发送请求，编写服务端程序调用模型返回结果，在前端局部刷新显示结果1学生根据自己学习情况选择相应的实训层次完成操作配置，系统根据系配置正确程度自动评分，教师结合系统评分和学生水平等级综合评分。2学生最多有两次自主修改实训层次的机会，超过则需经教师批准后修改实训层次。合计（以上8项综合评分相加后取平均值为形成性考核成绩，该项成绩的30%计入总评成绩）3.期末考核应在规定时间内完成知识理论与实践操作的共同考核（其中配置操作题分数与试卷总分之比不低于60%，理论知识题目中需包括不低于10%的英文试题），考核过程采用题库随机抽取、开卷考核形式，但要求相邻考试学生题目不重复，考核侧重学生的知识技能综合应用能力，题库题目抽取操作配置题时原则上要求学生可以选择不同分值题目（难易程度不同），最终考核成绩由考试系统或教师根据题目应答的正确程度评判分数，满分100分，该项成绩的40%计入总评成绩。六、教学文件开发意见教学文件开发建议参见表7所示。表7《深度学习技术应用》教学文件开发建议表1.教材选用/讲义编写意见推荐教材：自编教材教材编写建议：建议结合百度“1+X”人工智能深度学习工程应用职业技能等级证书要求以及HCIA、HCIP等知名职业标准认证的重点考核要求提炼整理相关知识点和技能点，并适当增加英文表述内容，适时修订开发编写双语教材。2.项目任务书、项目指导书、案例教学方案、课堂活动方案等教学文件的开发思路与意见项目任务书：应明确给出项目名称、对应能力目标、习得目标的层次标准，明确任务的主要内容、任务要求、任务过程，以及考核标准要求，并适当增加英文表述内容。项目指导书：项目指导书可根据习得目标的层次或学习活动顺序编写，明确学生完成项目任务所要具备的能力要求，提供完成项目所需的必备知识技能指导，以及参考内容，并适当增加英文表述内容，使学生能根据自身情况进行学习，并最终完成相应等级的项目目标。案例教学方案：教学案例建议取自真实工程项目进行加工，或依据职业技能大赛内容或职业标准认证考点进行迁移，形成看得懂、学得会、做得通、适用广的教学案例，并逐步开发为双语教学案例。课堂活动方案：在整个教学过程中，理论联系实践，知识伴随任务，课堂活动应体现融教、学、做于一体的教学思路，教学活动参照企业岗位的工作过程或技能大赛，自然融入思政元素，并适当增加双语互动环节。3.学习指南、学习包、课件等的开发思路与意见学习指南：主要包括课程的整体教学安排，知识点技能点结构图，习得能力目标的学习方法、学习重点、资源应用、考核标准等，使学生对课程有一个整体的了解，增强学习主动性，并适当增加英文表述内容。学习包：主要包括课程学习所需要的一切资源，如教材、教案、教学计划、课程网站、演示录像、课件、习题、操作文件、考核标准等等，在课程资源中尝试自然融入思政元素，并逐渐增加双语资源内容。课件：主要包括各学习任务的知识技能讲解，逐渐增加双语资源内容。七、教学资源使用建议教学资源使用建议参见表8所示。表8《深度学习技术应用》教学资源使用建议表1.教学设施资源使用建议课上提供投影仪、安装视频播放器、OFFICE2010及以上版本并能够连接互联网的计算机，同时计算机硬件要求为内存16G及以上，显卡为英伟达1080及以上。本课程的部分实训具有连续性，建议部分实训环境和实训结果应该予以保留，以便新的实训能够在原有实训的基础上扩充和完善。课外提供专业技术图书馆以及教学视频、课程微信/QQ群、学习交流网站等信息化资源，课程资源建设应参照国家在线开放课程标准实施，方便学生随时随地学习。2.教学文件资源使用建议提供给学生课程学习包，包括课程网站、学习指南、课件、实训演示文件和实训配置文件，项目任务书、项目指导书、参考网站等课程学习资源包。3.实训室建设建议建议实训室建设面积不少于80平方米，可至少同时供50名同学做实训，能够连接互联网，方便查找资料和资源共享，提供投影仪、安装视频播放器、OFFICE2013及以上版本并能够连接互联网的计算机，计算机硬件要求为内存16G及以上，显卡为英伟达1080及以上。八、课程教学方法建议1.教学方法本课程建议灵活综合使用以下教学方法提高学生学习兴趣，同时建议依据教学实际情况尝试增加满足实际教学需求的教学方法。（1）问题探究法组织学生对某一网络设备技术应用进行专题调研，学生通过收集资料、撰写小论文和发言提纲、制作多媒体课件进行演示，由教师进行有针对性的提问，引导学生层层思考，激发学生内生动力，达成从知到行的教学目标。（2）任务驱动法根据教学内容设计给出学习任务，学生进行自主探索学习，提高学生主动学习能力；（3）案例教学法通过对现实生产中与教学内容密切相关的网络设备典型技术应用的引入，引导学生在案例设置的情境中进行独立思考，各抒己见，有利于学生在对案例分析、探讨并解决具体问题的过程中获得启迪。（4）小组合作法根据组间同质-组内异质的原则，分组讨论学习，训练学生对问题的分析能力、思维和语言表达能力，提高团队合作意识和学习效率；（5）情境教学法创设生动具体的场景，引起学生的态度体验，帮助学生理解教学知识点；（6）讲授法教师通过语言系统连贯地向学生传授知识，坚持灌输性和启发性的统一。2．教学建议（1）模拟真实的任务环境，并以企业的实际需求、职业技能竞赛任务、国际认可职业标准认证内容来设计和组织实