《深度學(xué)習(xí)與應(yīng)用》教學(xué)大綱

《深度學(xué)習(xí)與應(yīng)用》教學(xué)大綱適用范圍：202X版本科人才培養(yǎng)方案課程代碼：22140241課程性質(zhì)：專業(yè)必修課學(xué)分：3學(xué)分學(xué)時(shí)：48學(xué)時(shí)（理論40學(xué)時(shí)，實(shí)驗(yàn)8學(xué)時(shí)）先修課程：人工智能導(dǎo)論、人工智能程序設(shè)計(jì)、數(shù)據(jù)結(jié)構(gòu)與算法分析、機(jī)器學(xué)習(xí)后修課程：人工智能綜合創(chuàng)新適用專業(yè)：人工智能專業(yè)開(kāi)課單位：智能工程學(xué)院一、課程說(shuō)明《深度學(xué)習(xí)與應(yīng)用》是人工智能專業(yè)中的一門專業(yè)必修課程。該課程以深度學(xué)習(xí)框架為基礎(chǔ)，介紹了機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)與常用方法，以實(shí)例的方式學(xué)習(xí)機(jī)器學(xué)習(xí)操作的原理及其在深度學(xué)習(xí)框架下的實(shí)踐步驟。主要內(nèi)容包括深度學(xué)習(xí)基礎(chǔ)知識(shí)、深度學(xué)習(xí)框架及其對(duì)比、機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)、深度學(xué)習(xí)框架（以PyTorch為例）基礎(chǔ)、Logistic回歸、多層感知器、卷積神經(jīng)網(wǎng)絡(luò)與計(jì)算機(jī)視覺(jué)、神經(jīng)網(wǎng)絡(luò)與自然語(yǔ)言處理。并通過(guò)8個(gè)深度學(xué)習(xí)實(shí)例的學(xué)習(xí)，幫助學(xué)生更好的掌握深度學(xué)習(xí)知識(shí)，做到理論與實(shí)踐相結(jié)合，方法與應(yīng)用相結(jié)合。本課程除要求學(xué)生掌握以上深度學(xué)習(xí)知識(shí)，更重要的是要求學(xué)生掌握理論與實(shí)踐結(jié)合的學(xué)習(xí)方式，為更深入地學(xué)習(xí)打下良好的基礎(chǔ)。二、課程目標(biāo)通過(guò)本課程的學(xué)習(xí)，使學(xué)生達(dá)到如下目標(biāo)：課程目標(biāo)1:能夠理解深度學(xué)習(xí)的基本原理及組成結(jié)構(gòu)、基本概念、特征、及主要功能；掌握常用算法；掌握深度學(xué)習(xí)軟件的基本操作和基本配置。課程目標(biāo)2:能夠運(yùn)用深度學(xué)習(xí)的基本原理、控制管理方法和實(shí)現(xiàn)機(jī)制，熟練使用深度學(xué)習(xí)軟件，能夠解決一些簡(jiǎn)單的應(yīng)用問(wèn)題。了解深度學(xué)習(xí)算法設(shè)計(jì)技巧，并分析深度學(xué)習(xí)算法的復(fù)雜性，優(yōu)選深度學(xué)習(xí)復(fù)雜工程問(wèn)題的解決方案，培養(yǎng)學(xué)生科學(xué)、嚴(yán)謹(jǐn)?shù)膭?chuàng)造性思維和研究性思維。課程目標(biāo)3：能夠基于科學(xué)原理，通過(guò)文獻(xiàn)研究等方法系統(tǒng)分析人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問(wèn)題，明確研究對(duì)象的基本特征和關(guān)鍵環(huán)節(jié)，并選擇合適研究路線；培養(yǎng)學(xué)生積極思考、嚴(yán)謹(jǐn)創(chuàng)新的科學(xué)態(tài)度和解決實(shí)際問(wèn)題的能力，塑造學(xué)生刻苦鉆研的使命感和愛(ài)國(guó)情懷，培養(yǎng)科學(xué)探索的工程素養(yǎng)。三、課程目標(biāo)與畢業(yè)要求《深度學(xué)習(xí)與應(yīng)用》課程教學(xué)目標(biāo)對(duì)人工智能專業(yè)畢業(yè)要求的支撐見(jiàn)表1。表1課程教學(xué)目標(biāo)與畢業(yè)要求關(guān)系畢業(yè)要求指標(biāo)點(diǎn)課程目標(biāo)支撐強(qiáng)度1.工程知識(shí)1.2系統(tǒng)掌握人工智能及相關(guān)應(yīng)用領(lǐng)域的工程基礎(chǔ)和專業(yè)知識(shí)，包括算法、硬件、軟件平臺(tái)及系統(tǒng)等，了解解決工程問(wèn)題的基本方法。課程目標(biāo)1:能夠理解深度學(xué)習(xí)的基本原理及組成結(jié)構(gòu)、基本概念、特征、及主要功能；掌握常用算法；掌握深度學(xué)習(xí)軟件的基本操作和基本配置。H3.設(shè)計(jì)/開(kāi)發(fā)解決方案3.1掌握人工智能及相關(guān)應(yīng)用領(lǐng)域的系統(tǒng)集成、算法優(yōu)化、軟件設(shè)計(jì)的基本設(shè)計(jì)理論和設(shè)計(jì)方法，能夠根據(jù)需求確定設(shè)計(jì)目標(biāo)研究、確定技術(shù)方案。課程目標(biāo)2:能夠運(yùn)用深度學(xué)習(xí)的基本原理、控制管理方法和實(shí)現(xiàn)機(jī)制，熟練使用深度學(xué)習(xí)軟件，能夠解決一些簡(jiǎn)單的應(yīng)用問(wèn)題。了解深度學(xué)習(xí)算法設(shè)計(jì)技巧，并分析深度學(xué)習(xí)算法的復(fù)雜性，優(yōu)選深度學(xué)習(xí)復(fù)雜工程問(wèn)題的解決方案，培養(yǎng)學(xué)生科學(xué)、嚴(yán)謹(jǐn)?shù)膭?chuàng)造性思維和研究性思維。H4.研究4.1能夠基于科學(xué)原理，通過(guò)文獻(xiàn)研究等方法系統(tǒng)分析人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問(wèn)題，明確研究對(duì)象的基本特征和關(guān)鍵環(huán)節(jié)，并選擇合適研究路線。課程目標(biāo)3：能夠基于科學(xué)原理，通過(guò)文獻(xiàn)研究等方法系統(tǒng)分析人工智能及相關(guān)應(yīng)用領(lǐng)域復(fù)雜工程問(wèn)題，明確研究對(duì)象的基本特征和關(guān)鍵環(huán)節(jié)，并選擇合適研究路線；培養(yǎng)學(xué)生積極思考、嚴(yán)謹(jǐn)創(chuàng)新的科學(xué)態(tài)度和解決實(shí)際問(wèn)題的能力，塑造學(xué)生刻苦鉆研的使命感和愛(ài)國(guó)情懷，培養(yǎng)科學(xué)探索的工程素養(yǎng)。H注：表中“H（高）、M（中）”表示課程與相關(guān)畢業(yè)要求的關(guān)聯(lián)度。四、教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配1.理論部分理論部分的教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配見(jiàn)表2。表2教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配教學(xué)內(nèi)容教學(xué)要求，教學(xué)重點(diǎn)難點(diǎn)理論學(xué)時(shí)實(shí)驗(yàn)學(xué)時(shí)對(duì)應(yīng)的課程目標(biāo)1.深度學(xué)習(xí)簡(jiǎn)介1.1現(xiàn)代深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)1.2強(qiáng)化學(xué)習(xí)的概念、算法和應(yīng)用。思政1：中國(guó)人工智能發(fā)展歷程教學(xué)要求：了解計(jì)算機(jī)視覺(jué)的定義、基本任務(wù)和傳統(tǒng)方法；了解仿生學(xué)與深度學(xué)習(xí)的關(guān)聯(lián)；了解現(xiàn)代深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)；了解自然語(yǔ)言處理的基本問(wèn)題和發(fā)展趨勢(shì)；了解在自然語(yǔ)言處理中傳統(tǒng)方法與神經(jīng)網(wǎng)絡(luò)方法的比較；了解強(qiáng)化學(xué)習(xí)的概念、算法和應(yīng)用。難點(diǎn)：現(xiàn)代深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)知識(shí)，強(qiáng)化學(xué)習(xí)算法和應(yīng)用41，22.深學(xué)習(xí)框架及其對(duì)比度2.1深度學(xué)習(xí)框架2.2Caffe、TensorFlow、PyTorch的特點(diǎn)和用途思政2：李曉挺-深度學(xué)習(xí)領(lǐng)域的領(lǐng)軍人物教學(xué)要求：了解目前流行的深度學(xué)習(xí)框架Caffe、TensorFlow、PyTorch；了解Caffe的用途、特點(diǎn)和層及網(wǎng)絡(luò)的概念；了解數(shù)據(jù)流圖；了解TensorFlow的用途、特點(diǎn)和計(jì)算形式。了解PyTorch的用途、特點(diǎn)和相對(duì)于其他框架的優(yōu)勢(shì)；了解Caffe、TensorFlow、PyTorch三者的比較。重點(diǎn)：Caffe、TensorFlow、PyTorch的用途和特點(diǎn)難點(diǎn)：Caffe、TensorFlow、PyTorch的用途和特點(diǎn)401，33.PyTorch深度學(xué)習(xí)基礎(chǔ)3.1NumPy的ndarray對(duì)象和Tensor對(duì)象3.2PyTorch的Reduction操作3.3PyTorch的Reduction操作3.4PyTorch的自動(dòng)微分Autograd思政3：王海峰-中國(guó)AI領(lǐng)軍人物教學(xué)要求：了解NumPy的ndarray對(duì)象和Tensor對(duì)象；掌握Tensor對(duì)象的創(chuàng)建及其運(yùn)算方式；掌握Tensor的索引、切片、變換、拼接和拆分；了解PyTorch的Reduction操作；了解PyTorch的自動(dòng)微分Autograd。重點(diǎn)：Tensor對(duì)象的創(chuàng)建及其運(yùn)算方式；Tensor的索引、切片、變換、拼接和拆分難點(diǎn)：Tensor對(duì)象的創(chuàng)建及其運(yùn)算方式；Tensor的索引、切片、變換、拼接和拆分822，34.回歸模型4.1回歸模型簡(jiǎn)介4.2線性回歸模型和平均平方誤差函數(shù)4.3Logistic回歸模型4.4PyTorch實(shí)現(xiàn)Logistic回歸思政4：中國(guó)人工智能發(fā)展歷程教學(xué)要求：了解回歸和回歸模型；了解線性回歸的概念；了解線性回歸模型和平均平方誤差函數(shù)；了解Logistic回歸模型；掌握用PyTorch實(shí)現(xiàn)Logistic回歸的方式，包括使用MultivariateNormal構(gòu)造多元高斯分布、調(diào)用Linear實(shí)現(xiàn)線性模型、Sigmoid激活函數(shù)、BCELoss損失函數(shù)和使用optim包構(gòu)建優(yōu)化器等相關(guān)知識(shí)；掌握將Logistic回歸模型可視化的方法。重點(diǎn)：PyTorch實(shí)現(xiàn)Logistic回歸的方式、Logistic回歸模型可視化的方法。難點(diǎn)：PyTorch實(shí)現(xiàn)Logistic回歸的方式、Logistic回歸模型可視化的方法。821，3多層感知器5.1多層感知器5.2BP神經(jīng)網(wǎng)絡(luò)及BP（后向傳播）神經(jīng)網(wǎng)絡(luò)思政5：華為昇騰910-全球十大AI芯片教學(xué)要求：了解神經(jīng)元、輸入、連接權(quán)值向量、偏置、激活函數(shù)、輸出、神經(jīng)網(wǎng)絡(luò)、輸入層、輸出層、隱藏層、訓(xùn)練、監(jiān)督訓(xùn)練、非監(jiān)督訓(xùn)練的概念；了解感知器的概念，包括單層感知器和多層感知器；了解BP（后向傳播）神經(jīng)網(wǎng)絡(luò)、梯度下降算法和后向傳播算法；了解Dropout正則化技術(shù)；了解批標(biāo)準(zhǔn)化的實(shí)現(xiàn)方式和使用方法。重點(diǎn)：BP（后向傳播）神經(jīng)網(wǎng)絡(luò)、Dropout正則化技術(shù)難點(diǎn)：BP（后向傳播）神經(jīng)網(wǎng)絡(luò)、Dropout正則化技術(shù)。421，2，36.卷積神經(jīng)網(wǎng)絡(luò)和計(jì)算機(jī)視覺(jué)6.1卷積神經(jīng)網(wǎng)絡(luò)6.2經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)教學(xué)要求：了解卷積神經(jīng)網(wǎng)絡(luò)的基本思想，包括全局連接、局部連接、參數(shù)共享；了解卷積操作，包括卷積、卷積層和卷積核的基本概念；了解卷積中使用多個(gè)卷積核、多通道卷積和邊界填充等操作；了解池化和常見(jiàn)的池化類型；了解卷積神經(jīng)網(wǎng)絡(luò)；了解VGG、InceptionNet、ResNet等經(jīng)典網(wǎng)絡(luò)結(jié)構(gòu)；了解使用PyTorch進(jìn)行手寫數(shù)字識(shí)別的過(guò)程。重點(diǎn)：經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)難點(diǎn)：經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)401，2，37.神經(jīng)網(wǎng)絡(luò)與自然語(yǔ)言處理7.1基于多層感知器的架構(gòu)7.2自然語(yǔ)言處理基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)思政6：深度學(xué)習(xí)前沿技術(shù)教學(xué)要求：了解語(yǔ)言建模的基本形式；了解自然語(yǔ)言處理基于多層感知器的架構(gòu)；了解自然語(yǔ)言處理基于循環(huán)神經(jīng)網(wǎng)絡(luò)的架構(gòu)，包括循環(huán)單元、通過(guò)時(shí)間后向傳播、帶有門限的循環(huán)單元、循環(huán)神經(jīng)網(wǎng)絡(luò)語(yǔ)言模型和神經(jīng)機(jī)器翻譯的相關(guān)知識(shí)；了解自然語(yǔ)言處理基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)；了解自然語(yǔ)言處理基于Transformer的架構(gòu)，包括多頭注意力、非參位置編碼、編碼器單元與解碼器單元的相關(guān)知識(shí)；了解表示學(xué)習(xí)與預(yù)訓(xùn)練技術(shù)。難點(diǎn)：基于多層感知器的架構(gòu)、自然語(yǔ)言處理基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)821，2，3合計(jì)4082.實(shí)驗(yàn)部分實(shí)驗(yàn)部分的教學(xué)內(nèi)容、基本要求與學(xué)時(shí)分配見(jiàn)表3。表3實(shí)驗(yàn)項(xiàng)目、實(shí)驗(yàn)內(nèi)容與學(xué)時(shí)實(shí)驗(yàn)項(xiàng)目實(shí)驗(yàn)內(nèi)容和要求實(shí)驗(yàn)學(xué)時(shí)對(duì)應(yīng)的課程目標(biāo)1.配置PyTorch開(kāi)發(fā)環(huán)境實(shí)驗(yàn)內(nèi)容：利用python、pycharm、anaconda和Jupyter實(shí)現(xiàn)PyTorch語(yǔ)言編程環(huán)境的配置。實(shí)驗(yàn)要求：掌握PyTorch編程的配置；能夠利用pycharm、anaconda和Jupyter實(shí)現(xiàn)PyTorch語(yǔ)言編程環(huán)境的配置。21,22.PyTorch實(shí)現(xiàn)Logistic回歸實(shí)驗(yàn)內(nèi)容：編程實(shí)現(xiàn)用PyTorch實(shí)現(xiàn)Logistic回歸的方式，包括使用MultivariateNormal構(gòu)造多元高斯分布、調(diào)用Linear實(shí)現(xiàn)線性模型、Sigmoid激活函數(shù)、BCELoss損失函數(shù)和使用optim包構(gòu)建優(yōu)化器。實(shí)驗(yàn)要求：掌握基于PyTorch的Logistic回歸。21,23.Pytorch實(shí)現(xiàn)BP前饋神經(jīng)網(wǎng)絡(luò)及BP后向傳播神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)內(nèi)容：了解感知器的概念，包括單層感知器和多層感知器；掌握基于Pytorch深度學(xué)習(xí)框架編程實(shí)現(xiàn)輸入層、輸出層、隱藏層、BP前饋神經(jīng)網(wǎng)絡(luò)和P后向傳播神經(jīng)網(wǎng)絡(luò)；了解BP（后向傳播）神經(jīng)網(wǎng)絡(luò)、梯度下降算法和后向傳播算法；。實(shí)驗(yàn)要求：理解并編程實(shí)現(xiàn)基于Pytorch深度學(xué)習(xí)框架的BP前饋神經(jīng)網(wǎng)絡(luò)及BP后向傳播神經(jīng)網(wǎng)絡(luò)。21,34.基于Transformer的架構(gòu)實(shí)現(xiàn)自然語(yǔ)言處理匯中包括多頭注意力、非參位置編碼、編碼器單元與解碼器單元。實(shí)驗(yàn)內(nèi)容：了解表示學(xué)習(xí)與預(yù)訓(xùn)練技術(shù)；了解自然語(yǔ)言處理基于卷積神經(jīng)網(wǎng)絡(luò)的架構(gòu)；編程實(shí)現(xiàn)自然語(yǔ)言處理基于Transformer的架構(gòu)，包括多頭注意力、非參位置編碼、編碼器單元與解碼器單元的相關(guān)知識(shí)實(shí)驗(yàn)要求：基于Transformer架構(gòu)的自然語(yǔ)言處理準(zhǔn)確率不低于80%。21,2,3合計(jì)8五、教學(xué)方法及手段課程教學(xué)采用理實(shí)一體化教學(xué)方式，通過(guò)設(shè)定教學(xué)任務(wù)和教學(xué)目標(biāo)，讓師生雙方邊教、邊學(xué)、邊做，全程構(gòu)建素質(zhì)和技能培養(yǎng)框架，豐富課堂教學(xué)和實(shí)踐教學(xué)環(huán)節(jié)，提高教學(xué)質(zhì)量。結(jié)合理論講授、課堂討論、實(shí)驗(yàn)、作業(yè)，配合多媒體課件、慕課、學(xué)習(xí)通等資源等共同課完成堂授課內(nèi)容。采用E-mail、釘釘、微信等交流工具，加強(qiáng)和學(xué)生之間的交流和溝通。在實(shí)驗(yàn)前學(xué)生應(yīng)復(fù)習(xí)和掌握與本實(shí)驗(yàn)有關(guān)的教學(xué)內(nèi)容、認(rèn)真閱讀實(shí)驗(yàn)指導(dǎo)書，了解實(shí)驗(yàn)原理；在實(shí)驗(yàn)中要嚴(yán)格遵守實(shí)驗(yàn)紀(jì)律，按操作規(guī)程使用儀器，需要學(xué)生記錄實(shí)驗(yàn)數(shù)據(jù)和截圖實(shí)驗(yàn)運(yùn)行畫面；實(shí)驗(yàn)結(jié)束后，按規(guī)定對(duì)儀器進(jìn)行維護(hù)保養(yǎng)；每完成一項(xiàng)實(shí)驗(yàn)，分析處理實(shí)驗(yàn)數(shù)據(jù)，解讀收發(fā)數(shù)據(jù)的信息，回答思考題內(nèi)容，認(rèn)真完成一份實(shí)驗(yàn)報(bào)告。六、課程資源1.推薦教材：主要責(zé)任者.文獻(xiàn)題名[M].出版地:出版者,出版年.（1）呂云翔，劉卓然.PyTorch深度學(xué)習(xí)實(shí)戰(zhàn)：微課視頻版[M].北京:清華大學(xué)出版社,2021年.（2）王志立.Python深度學(xué)習(xí)[M].北京:清華大學(xué)出版社,2021年.（3）周中元.深度學(xué)習(xí)原理與應(yīng)用[M].北京:電子工業(yè)出版社,2021年.2.參考書：主要責(zé)任者.文獻(xiàn)題名[M].出版地:出版者,出版年.（1）千鋒教育高教產(chǎn)品研發(fā)部.Python快樂(lè)編程人工智能—深度學(xué)習(xí)基礎(chǔ)[M].北京:清華大學(xué)出版社,2020年.（2）呂云翔，劉卓然.Python深度學(xué)習(xí)實(shí)戰(zhàn)—基于Pytorch[M].北京:人民郵電出版社,2021年.（3）IanGoodfellow，YoshuaBengio，AaronCourville.DeepLearning[M].北京:人民郵電出版社,2021年.3.期刊：主要責(zé)任者.文獻(xiàn)題名[J].刊名,年,卷(期):起止頁(yè)碼.（1）邵美萍.基于深度學(xué)習(xí)的人工智能文本處理系統(tǒng)設(shè)計(jì)[J].電子技術(shù),2022,51(06):190-191.4.網(wǎng)絡(luò)資源：主要責(zé)任者.題名:其他題目信息[文獻(xiàn)類型標(biāo)識(shí)/文獻(xiàn)載體標(biāo)識(shí)].出版地:出版者,出版年(更新或修改日期)[引用日期].獲取或訪問(wèn)路徑．（1）DeepLearning,/（2）Paperswithcode,/sota（3）Mlhub123,/七、課程考核對(duì)課程目標(biāo)的支撐課程成績(jī)由過(guò)程性考核成績(jī)和期末考核（大作業(yè)）成績(jī)兩部分構(gòu)成，具體考核/評(píng)價(jià)細(xì)則及對(duì)課程目標(biāo)的支撐關(guān)系見(jiàn)表4。表4課程考核對(duì)課程目標(biāo)的支撐考核環(huán)節(jié)占比考核/評(píng)價(jià)細(xì)則課程目標(biāo)123過(guò)程性考核課堂表現(xiàn)10（1）根據(jù)課堂出勤情況和課堂回答問(wèn)題情況進(jìn)行考核，滿分100分。（2）以平時(shí)考核成績(jī)乘以其在總評(píng)成績(jī)中所占的比例計(jì)入課程總評(píng)成績(jī)?！獭獭?42實(shí)驗(yàn)20（1）根據(jù)實(shí)驗(yàn)完成情況和實(shí)驗(yàn)報(bào)告撰寫情況進(jìn)行考核，滿分100分。（2）以平時(shí)考核成績(jī)乘以其在總評(píng)成績(jī)中所占的比例計(jì)入課程總評(píng)成績(jī)。√√√884作業(yè)10（1）主要考核學(xué)生對(duì)各章節(jié)知識(shí)點(diǎn)的復(fù)習(xí)、理解和掌握程度，滿分100分；（2）每次作業(yè)單獨(dú)評(píng)分，取各次成績(jī)的平均值作為此環(huán)節(jié)的最終成績(jī)。（3）以作業(yè)成績(jī)乘以其在總評(píng)成績(jī)中所占的比例計(jì)入課程總評(píng)成績(jī)?！獭獭?42期末考核60（1）期末考核（大作業(yè)）成績(jī)100分，以期末考核（大作業(yè)）成績(jī)乘以其在總評(píng)成績(jī)中所占的比例計(jì)入課程總評(píng)成績(jī)。（2）考核詳情見(jiàn)期末考核（大作業(yè)）任務(wù)要求及評(píng)價(jià)標(biāo)準(zhǔn)?！獭獭?52510合計(jì)：100分414118八、考核與成績(jī)?cè)u(píng)定1.考核方式及成績(jī)?cè)u(píng)定考核方式：本課程主要以課堂表現(xiàn)、實(shí)驗(yàn)、作業(yè)、期末考核（大作業(yè)）等方式對(duì)學(xué)生進(jìn)行考核評(píng)價(jià)?？己嘶疽螅嚎己丝偝煽?jī)由期末考核（大作業(yè)）成績(jī)和過(guò)程性評(píng)價(jià)成績(jī)組成。其中：期末考核（大作業(yè)）成績(jī)?yōu)?00分（權(quán)重60%）；課堂表現(xiàn)、作業(yè)、實(shí)驗(yàn)等過(guò)程性評(píng)價(jià)成績(jī)?yōu)?00分（權(quán)重40%）。2.過(guò)程性考核成績(jī)的標(biāo)準(zhǔn)過(guò)程性考核方式重點(diǎn)考核內(nèi)容、評(píng)價(jià)標(biāo)準(zhǔn)、所占比重見(jiàn)表5。表5過(guò)程性考核方式評(píng)價(jià)標(biāo)準(zhǔn)考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60課堂表現(xiàn)