《深度學(xué)習(xí)技術(shù)應(yīng)用》課程標(biāo)準(zhǔn)

《深度學(xué)習(xí)技術(shù)應(yīng)用》課程標(biāo)準(zhǔn)課程代碼：課程類別：專業(yè)核心課課程屬性：必修課學(xué)分/學(xué)時：4學(xué)分/64學(xué)時開課單位：適用專業(yè)：人工智能技術(shù)應(yīng)用制訂人：審訂人：一、課程概述(一)課程性質(zhì)本課程是高等職業(yè)學(xué)校人工智能專業(yè)的專業(yè)基礎(chǔ)課之一，是該專業(yè)的一門基礎(chǔ)課程。(二)課程任務(wù)本課程主要針對人工智能算法工程師、人工智能實施維護工程師、人工智能系統(tǒng)運維工程師、人工智能技術(shù)支持工程師、人工智能訓(xùn)練師、人工智能測試工程師等崗位開設(shè)，主要任務(wù)是培養(yǎng)學(xué)生在人工智能深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型搭建、模型訓(xùn)練、模型評估、模型部署、模型測試等工作任務(wù)的能力。(三)課程設(shè)計思路本課程以高等職業(yè)院?！叭斯ぶ悄芗夹g(shù)應(yīng)用”專業(yè)的學(xué)生就業(yè)為導(dǎo)向，將教學(xué)內(nèi)容與工作崗位對專業(yè)人才的知識要求與技能要求結(jié)合起來，將項目實踐提升到一個較重要的位置，按照“理論—項目構(gòu)建—項目實施”的組織結(jié)構(gòu)進行課程設(shè)計。本課程共分6個項目，基于Tensorflow的服裝圖像分類、基于Tensorflow的文本分類、使用遷移學(xué)習(xí)的方法實現(xiàn)新冠肺炎X光檢測、基于Flask的模型應(yīng)用與部署—貓狗識別、基于神經(jīng)網(wǎng)絡(luò)的語言處理—古詩詞生成、使用VGG19遷移學(xué)習(xí)實現(xiàn)圖像風(fēng)格遷移，通過6個項目系統(tǒng)介紹了深度學(xué)習(xí)技術(shù)應(yīng)用的實踐開發(fā)技術(shù)。課程在介紹深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)后，重點闡述人工智能深度學(xué)習(xí)模型訓(xùn)練的項目開發(fā)，突出了人工智能深度學(xué)習(xí)模型訓(xùn)練在實際項目中的應(yīng)用。在內(nèi)容的編排上淡化了學(xué)科性，避免介紹過多偏深的理論，而注重深度學(xué)習(xí)模型訓(xùn)練在具體運用中的要點、方法和技術(shù)操作，逐層分析和應(yīng)用深度學(xué)習(xí)技術(shù)進行實際項目的開發(fā)。(四)前后續(xù)課程序號前續(xù)課程名稱前續(xù)課程為本課程支撐的主要能力1人工智能導(dǎo)論人工智能基礎(chǔ)知識能力2Python程序設(shè)計Python程序編程和開發(fā)能力序號后續(xù)課程名稱本課程為后續(xù)課程支撐的主要能力1人工智能前端設(shè)備應(yīng)用模型訓(xùn)練、優(yōu)化、評估的能力二、課程目標(biāo)（一）總體目標(biāo)本課程要求學(xué)習(xí)了解人工智能深度學(xué)習(xí)應(yīng)用技術(shù)，培養(yǎng)學(xué)生具備高職人工智能技術(shù)應(yīng)用專業(yè)所需要的深度學(xué)習(xí)的基本知識和技能，熟悉并能使用Tensorflow深度學(xué)習(xí)框架對模型進行訓(xùn)練、調(diào)參或者維護，具備對人工智能深度學(xué)習(xí)技術(shù)領(lǐng)域出現(xiàn)的新技術(shù)、新思想進一步學(xué)習(xí)的能力。希望通過本課程的學(xué)習(xí)，加深對深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的理解，為進一步研究和從事深度學(xué)習(xí)模型開發(fā)和工程實踐提供良好的基礎(chǔ)和參考。（二）具體目標(biāo)1.知識目標(biāo)1)了解深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)的概念2)了解Tensorflow深度學(xué)習(xí)框架及Keras模塊的相關(guān)知識3)理解遷移學(xué)習(xí)的概念及適用場景4)理解Flask框架的相關(guān)知識5)理解RNN循環(huán)神經(jīng)網(wǎng)絡(luò)、LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與特點6)掌握模型訓(xùn)練超參數(shù)的配置方法7)掌握基礎(chǔ)的模型評估指標(biāo)和模型分析方法2.能力目標(biāo)1)具備搭建模型訓(xùn)練所需環(huán)境的能力2)具備使用Tensorflow中的Keras模塊搭建圖像識別模型并進行訓(xùn)練的能力3)具備使用VGG19模型搭建圖像識別模型并進行訓(xùn)練的能力4)具備使用LSTM框架搭建文本生成模型并進行訓(xùn)練的能力5)具備使用Flask框架進行模型的應(yīng)用部署的能力6)具備使用可視化依賴庫對訓(xùn)練模型進行評估和分析的能力3.素質(zhì)目標(biāo)1)培養(yǎng)謙虛、好學(xué)、勤于思考、認(rèn)真做事的良好習(xí)慣———嚴(yán)謹(jǐn)?shù)拈_發(fā)流程和正確編程思路；2)培養(yǎng)團隊協(xié)作能力———相互溝通、互相幫助、共同學(xué)習(xí)、共同達到目標(biāo)；3)提升自我展示能力———講述、說明、表述和回答問題；4)培養(yǎng)自我學(xué)習(xí)能力———利用書籍或網(wǎng)絡(luò)上的資料幫助解決實際問題。三、課程內(nèi)容及情境設(shè)計本課程以基于Tensorflow的服裝圖像分類、基于Tensorflow的文本分類、使用遷移學(xué)習(xí)的方法實現(xiàn)新冠肺炎X光檢測、基于Flask的模型應(yīng)用與部署—貓狗識別、基于神經(jīng)網(wǎng)絡(luò)的語言處理—古詩詞生成、使用VGG19遷移學(xué)習(xí)實現(xiàn)圖像風(fēng)格遷移6個小項目為載體，設(shè)計選取15個工作任務(wù)，根據(jù)崗位工作任務(wù)要求，確定學(xué)習(xí)任務(wù)內(nèi)容；本課程采取項目驅(qū)動教學(xué)模式，以學(xué)生為主體，以任務(wù)為導(dǎo)向組織教學(xué)考核。項目一基于Tensorflow的服裝圖像分類單元序號第1單元項目名稱基于Tensorflow的服裝圖像分類培養(yǎng)能力1.具備搭建Tensorflow模型訓(xùn)練環(huán)境的能力2.具備使用matplotlib實現(xiàn)數(shù)據(jù)可視化的能力3.具備使用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)模型的能力4.具備使用KerasTuner完成模型超參數(shù)調(diào)節(jié)的能力項目任務(wù)知識要求技能要求學(xué)時Tensorflow基礎(chǔ)操作1.了解并熟悉Tensorflow深度學(xué)習(xí)框架2.理解張量（Tensor）的概念1.能夠使用命令在JupyterLab中安裝Tensorflow2.能夠使用Tensorflow依賴庫中的方法創(chuàng)建張量和變量3.能夠使用Tensorflow依賴庫中的方法實現(xiàn)數(shù)據(jù)類型轉(zhuǎn)換4.能夠使用Tensorflow依賴庫中的方法完成張量運算4基于Keras框架的服裝圖像分類1.了解人工智能領(lǐng)域機器學(xué)習(xí)、深度學(xué)習(xí)的概念2.理解機器學(xué)習(xí)與深度學(xué)習(xí)之間的關(guān)聯(lián)與區(qū)別3.理解神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)4.掌握激活函數(shù)、損失函數(shù)的意義及作用1.能夠正確導(dǎo)入訓(xùn)練所需的FashinMNIST數(shù)據(jù)集并查看2.能夠使用matplotlib庫實現(xiàn)數(shù)據(jù)可視化并完成數(shù)據(jù)預(yù)處理3.能夠使用Keras構(gòu)建簡單的神經(jīng)網(wǎng)絡(luò)模型4.能夠完成模型的訓(xùn)練、評估并使用模型進行預(yù)測4KerasTuner超參數(shù)調(diào)節(jié)1.理解KerasTuner庫的概念及作用2.了解模型超參數(shù)與算法超參數(shù)的定義3.了解超參數(shù)調(diào)節(jié)的常用搜索方法4.理解超模型的定義和作用5.了解Hyperband調(diào)節(jié)器使用的調(diào)節(jié)算法1.能夠搭建KerasTuner環(huán)境并完成數(shù)據(jù)集準(zhǔn)備2.能夠使用Keras構(gòu)建模型3.能夠?qū)嵗疕yperband調(diào)節(jié)器并執(zhí)行超調(diào)4.能夠使用最佳超參數(shù)構(gòu)建模型并完成模型訓(xùn)練、評估4教學(xué)情境項目驅(qū)動、演示、邊講邊做、自學(xué)探究項目總學(xué)時12項目二基于Tensorflow的文本分類單元序號第2單元項目名稱基于Tensorflow的文本分類培養(yǎng)能力1.具備文本數(shù)據(jù)訓(xùn)練環(huán)境搭建的能力2.具備文本數(shù)據(jù)預(yù)處理的能力3.具備使用嵌入（Embedding）方法構(gòu)建文本分類模型的能力4.具備使用TensorflowHub中提供的模型文件的構(gòu)建文本分類模型的能力5.具備使用構(gòu)建的模型進行文本分類模型訓(xùn)練和模型評估的能力項目任務(wù)知識要求技能要求學(xué)時自定義神經(jīng)網(wǎng)絡(luò)電影評論文本分類1.了解人工智能的歷史2.理解自然語言處理的層次3.理解文本分類及文本情感分析相關(guān)知識1.能夠?qū)隝MDB數(shù)據(jù)集并瀏覽數(shù)據(jù)2.能夠?qū)ξ谋具M行數(shù)據(jù)預(yù)處理3.能夠使用嵌入（Embedding）方法構(gòu)建簡單的文本分類模型4.能夠?qū)M行文本分類模型訓(xùn)練并對模型進行評估4基于TensorflowHub的遷移學(xué)習(xí)電影評論文本分類1.了解遷移學(xué)習(xí)的定義和應(yīng)用場景2.了解TensorflowHub中典型預(yù)訓(xùn)練模型的特點1.能夠能夠?qū)隝MDB數(shù)據(jù)集并瀏覽數(shù)據(jù)2.能夠使用TensorflowHub中提供的模型文件構(gòu)建并編譯模型3.能夠使用構(gòu)建的模型進行文本分類模型訓(xùn)練和模型評估4教學(xué)情境項目驅(qū)動、演示教學(xué)、自學(xué)探究項目總學(xué)時8項目三使用遷移學(xué)習(xí)的方法實現(xiàn)新冠肺炎X光檢測單元序號第3單元項目名稱使用遷移學(xué)習(xí)的方法實現(xiàn)新冠肺炎X光檢測培養(yǎng)能力1.具備圖像數(shù)據(jù)訓(xùn)練環(huán)境搭建的能力2.具備圖像標(biāo)簽處理、劃分訓(xùn)練集和測試集的能力3.具備使用VGG16中的模型構(gòu)建圖像分類模型的能力4.具備模型訓(xùn)練、評估、評估指標(biāo)可視化的能力5.具備保存、加載已訓(xùn)練模型的能力項目任務(wù)知識要求技能要求學(xué)時圖像處理以及劃分訓(xùn)練集測試集1.理解機器學(xué)習(xí)的流程、目的與實現(xiàn)方法2.了解深度學(xué)習(xí)的定義與常用的深度學(xué)習(xí)框架3.了解深度學(xué)習(xí)在醫(yī)學(xué)領(lǐng)域的應(yīng)用4.掌握基本的圖像處理方法與圖像增強技術(shù)5.掌握訓(xùn)練集與測試集劃分的方法1.能夠搭建圖像處理所需環(huán)境2.能夠獲取圖像數(shù)據(jù)和標(biāo)簽并轉(zhuǎn)換格式3.能夠?qū)?biāo)簽進行二值化處理4.能夠正確劃分圖像的訓(xùn)練集和測試集并保存劃分后的數(shù)據(jù)4模型搭建以及微調(diào)訓(xùn)練1.掌握圖像數(shù)據(jù)生成器制作方法2.理解遷移學(xué)習(xí)、模型微調(diào)的概念與適用場景3.了解Tensorflow中內(nèi)置的VGG16模型框架的相關(guān)知識1.能夠搭建模型訓(xùn)練所需環(huán)境并導(dǎo)入相關(guān)模塊和依賴包2.能夠?qū)霐?shù)據(jù)并設(shè)置數(shù)據(jù)增強生成器3.能夠加載VGG16模塊中的模型并構(gòu)建圖像分類模型4.能夠完成模型編譯（設(shè)置超參數(shù)、優(yōu)化器）5.能夠完成模型訓(xùn)練并進行模型評估6.能夠?qū)p失函數(shù)與精確度進行數(shù)據(jù)可視化7.能夠保存、加載已訓(xùn)練的模型4教學(xué)情境項目驅(qū)動、演示、邊講邊做、自學(xué)探究項目總學(xué)時8項目四基于Flask的模型應(yīng)用與部署—貓狗識別單元序號第4單元項目名稱基于Flask的模型應(yīng)用與部署—貓狗識別培養(yǎng)能力1.具備搭建Tensorflow模型訓(xùn)練環(huán)境的能力2.具備使用基于Tensorflow的Keras框架進行模型訓(xùn)練的能力3.具備使用Flask框架將模型部署只網(wǎng)頁端的能力項目任務(wù)知識要求技能要求學(xué)時模型訓(xùn)練與評估1.了解深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的基本概念2.掌握數(shù)據(jù)集劃分規(guī)則3.了解常用的模型訓(xùn)練評估指標(biāo)1.能夠搭建Tensorflow模型訓(xùn)練環(huán)境2.能夠正確劃分訓(xùn)練集與測試集3.能夠使用基于Tensorflow的Keras框架進行模型訓(xùn)練4.能夠使用可視化工具對模型進行評估4運用Flask將模型部署成網(wǎng)頁端應(yīng)用1.了解Flash框架的相關(guān)知識2.理解如何講Flash框架與Tensorflow框架相結(jié)合3.掌握HTML標(biāo)簽的用法1.能夠搭建Flask框架開發(fā)所需環(huán)境2.能夠進行基礎(chǔ)的HTML頁面的開發(fā)3.能夠?qū)⒛Ｐ筒渴鹪诰W(wǎng)頁端并展示預(yù)測結(jié)果4教學(xué)情境項目驅(qū)動、演示、邊講邊做、自學(xué)探究項目總學(xué)時8項目五基于神經(jīng)網(wǎng)絡(luò)的語言處理—古詩詞生成單元序號第5單元項目名稱基于神經(jīng)網(wǎng)絡(luò)的語言處理—古詩詞生成培養(yǎng)能力1.具備完成文本數(shù)據(jù)預(yù)處理的能力2.具備搭建LSTM模型并進行文本生成模型訓(xùn)練的能力3.具備使用Flask框架部署文本生成模型的能力項目任務(wù)知識要求技能要求學(xué)時古詩文本數(shù)據(jù)預(yù)處理1.了解自然語言處理的概念與特點2.理解自然語言生成的流程3.掌握文本數(shù)據(jù)預(yù)處理、文本過濾的基本方法1.能夠完成文本數(shù)據(jù)過濾2.能夠完成詩句主題的處理3.能夠建立字符與數(shù)字id間的雙向轉(zhuǎn)換表4.能夠根據(jù)要求生成古詩詞文本4模型搭建與訓(xùn)練1.了解RNN（循環(huán)神經(jīng)網(wǎng)絡(luò)）的概念與類別2.理解文本生成的原理3.了解訓(xùn)練RNN模型時存在的問題4.了解LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和特點1.能夠搭建基于LSTM框架所需的模型訓(xùn)練環(huán)境2.能夠完成模型訓(xùn)練超參數(shù)的配置3.能夠定義數(shù)據(jù)生成器和文字生成函數(shù)4.能夠搭建LSTM模型并進行文本生成模型訓(xùn)練4模型測試與部署1.理解Flask框架的用途和特點1.能夠搭建Flask框架部署模型所需的環(huán)境2.能夠根據(jù)要求完成模型測試3.能夠使用Flask框架部署古詩詞文本生成模型4教學(xué)情境項目驅(qū)動、演示、邊講邊做、自學(xué)探究項目總學(xué)時12項目六使用VGG19遷移學(xué)習(xí)實現(xiàn)圖像風(fēng)格遷移單元序號第6單元項目名稱使用VGG19遷移學(xué)習(xí)實現(xiàn)圖像風(fēng)格遷移培養(yǎng)能力1.具備風(fēng)格遷移模型訓(xùn)練環(huán)境搭建的能力2.具備基于VGG19模型完成風(fēng)格遷移模型構(gòu)建的能力3.具備基于VGG19模型完成風(fēng)格遷移模型訓(xùn)練的能力項目任務(wù)知識要求技能要求學(xué)時初識圖像風(fēng)格遷移1.了解圖像風(fēng)格遷移的發(fā)展過程2.理解圖像風(fēng)格遷移的原理3.理解特征提取與遷移學(xué)習(xí)的相關(guān)概念1.能夠搭建風(fēng)格遷移案例所需使用的環(huán)境2.能夠使用代碼對圖片進行壓縮、上傳等操作3.能夠編寫代碼生成風(fēng)格遷移圖片。4基于VGG19構(gòu)建遷移學(xué)習(xí)模型1.理解VGG19的基本知識與優(yōu)缺點2.理解利用VGG19實現(xiàn)遷移學(xué)習(xí)的模型構(gòu)建思路1.能夠搭建VGG19遷移學(xué)習(xí)所需使用的環(huán)境2.能夠設(shè)置遷移學(xué)習(xí)模型訓(xùn)練的超參數(shù)3.能夠進行圖像預(yù)處理并保存4.能夠使用代碼生成帶有噪聲的圖片4訓(xùn)練模型實現(xiàn)圖像風(fēng)格遷移1.掌握風(fēng)格遷移模型損失值計算方法2.掌握風(fēng)格遷移模型訓(xùn)練方法1.能夠搭建風(fēng)格遷移模型訓(xùn)練所需使用的環(huán)境2.能夠設(shè)置遷移學(xué)習(xí)模型訓(xùn)練的超參數(shù)3.能夠基于VGG19完成風(fēng)格遷移的模型構(gòu)建4.能夠完成內(nèi)容圖片和風(fēng)格圖片的損失計算5.能夠完成風(fēng)格遷移的模型訓(xùn)練8教學(xué)情境項目驅(qū)動、演示、邊講邊做、自學(xué)探究項目總學(xué)時16四、教學(xué)實施建議(一)教學(xué)方法建議為培養(yǎng)學(xué)生在人工智能深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的模型訓(xùn)練優(yōu)化、性能評估、部署、技術(shù)支持、測試崗位等崗位職業(yè)能力，實現(xiàn)與企業(yè)崗位工作“零距離對接”，本課程建議采用的特色教學(xué)方法有以下幾種：（1）“設(shè)計項目任務(wù)驅(qū)動”教學(xué)法通過在真實的任務(wù)中探索學(xué)習(xí)，不斷地提高學(xué)生成就感，更大地激發(fā)他們的求知欲望，逐步形成一個感知心智活動的良性循環(huán)，從而培養(yǎng)出獨立探索、勇于開拓進取的創(chuàng)新能力。（2）項目教學(xué)法在教學(xué)中把知識與技能進行有機的結(jié)合，充分發(fā)掘?qū)W生的創(chuàng)造潛能，提高學(xué)生解決實際問題的綜合能力，為學(xué)生零距離就業(yè)奠定基礎(chǔ)。（3）討論式與啟發(fā)式教學(xué)相結(jié)合對于實踐性強的內(nèi)容，安排專題學(xué)生自學(xué)，然后由一個學(xué)生在課堂上講述，大家再一起討論、分析和評價，這樣使每個學(xué)生都有興趣積極參與，活躍課堂氣氛，培養(yǎng)自學(xué)的能力。（4）模擬和實際相結(jié)合的環(huán)境教學(xué)法針對單片機開發(fā)實際崗位的工作環(huán)境，綜合運用了模擬環(huán)境和實際環(huán)境的教學(xué)方法。(