《《人工智能工程应用设计》教学大纲.docx》由会员分享，可在线阅读，更多相关《《人工智能工程应用设计》教学大纲.docx（6页珍藏版）》请在课桌文档上搜索。
1、人工智能工程应用设计教学大纲适用楚国：202X版本科人才培养方案课程代码：22160123课程性质：集中实践课学分：3学分周数：3篇先修课程：嵌入式系统技术与应用、机器学习、深度学习与应用并修课程：毕业设计适用专业：人工智能专业开课单位：智能工程学院一、课程说明人工智能工程应用设计3是人工智能专业所设的曳要实践性教学环节，是学生埋论联系实际的课堂,也是毕业后参加实际工作的一次预演.为实现专业培养目标起着重要作用.人工智能工程应用设计是学生获得专业知识的重要环节之一.人工智能工程应用设计是学生在实习前已学完所有基础理论课程,并进入M智能机器人技术创新3、智能驾驶1.；题b、自然语言处理、深度学习
2、与应用等专业课程的学习：在工程应用中应深入实际，认真学习，获取直接知识，巩固所学理论，完成人工智能工程应用中所布置的备顶工作任务，培养和锻炼独立分析向即和解决问题的能力,二、课程目标通过本课程的学习,使学生达到如下目标：课程目标1：熟练掌握人工智能研发所需要的基础端程知识,适应不断发展的人工智能技术，井激发学生科技报国的奋发精神。课程目标2：能够运用编程知识对人工智能问咫提出解决方案.课程目标3：强调培养学生的动手能力和团队协作能力：要求学生通过编写程序来实现人工智能领域中基础程序设计.促使学生形成良好的世界观、人生观和价值观,同时在项目开发过程中培养基本操作规范和安全意识，树立正确的审美观念
3、和劳动观念.三、课程目标与毕业要求人工智能工程应用设计3课程教学目标对人工智能专业毕业要求的支探见表1,*1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑ax1.工程知火：具备数1.2系统掌握人工智能彼域的课程目标1：熟练掌维人工I1.学、自然科Ife誉将数学、自然科学、工程基础和专业知识用于解决人工智能及交叉应用领域工程问题，工程暴础和专业知识，包括计算机硬件、软件及系统等方面内容，了解通过人工智能系统工程问题的基本方法：1.4分析人工智能系统的复杂性，应用相关知识和数学模型方法用于专业工程问题解决方案。智能研发所御要的权拙编程知识。2.WJ1.分析，2.2能够基于数学、自然科学和工程
4、科学等相关科学原理，公通过文献研究寻求适用的人工智能及相关应用领域工程问即解决方案.课程目标2：能弱应用人工智能Y业相关课程的基本原理和知识，并通过文献杳由和所学基础理论,对给定人J1.智能及相关应用领域的工程问胭的影晌因素迸行分析。课程目标3：掌握人工智能及相关应用领域应用技术的基本设计/开发方法，能够综合文献分析、专业埋设知识、现代方法和技术、设计任务指标要求等制定合理的目标和技术方案.M3.设计/开发解决方案，能设计针对人工智能及交叉应用领域工程问遂的解决方案和满足特定薪求，并在设计中体现创新感识，考电社会、环境健朦、安全、法律、文化等因素.3.2设计针对人工智能颖域现杂工程问题的解决方
5、案,包括设计或开发满足特定衢求和约束条件的软硬件系统、模块或算法派程,并能够进行模块和系统皴优化.课程目标4,强询培养学生的动手能力,要求学生通过编写程序来实现人工智能领域中的应用。I1.9.个人和团队，能在多学科背奴下的团队中承担个体、团队成员以及负于人的角色。思政：脚踏实地方能百战不殆.遵循卵物的发展规律，坚持不蟒9.2能幡明确团队中每个角色的含义及作用，能钙胜任在团队中所承担的个体、团队成员以及负责人等角色.并承担相应的贡任：课程目标5；强调培养学生的动手能力，要求学生通过编写程序来实现人工智s领域中的应用.M11.项目管理11.1了解人工智能及相关应用领域红杂工程问卷的设计和实脩液程及
6、成本构成.课程目标6：通过认识实习,了解人工智能及相关应用领域工程项目及产品的成本构成,了解项目的实施流程和包含模块。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度,四、教学内容,教学要求与学时分配4人工智能工程应用设计的教学内容、教学方式与学时分配见表2,2救学内容、敦学要求与学时分配教学内容教学要求，敦学点球点课时安排对应的课程目标1.介绍人工智能、机器学习与深度学习之间的关系，深度神经网络和主流的人工智能工程应用开发框架,讲解TensorF1.ow开发环境的安装思政：培养创新精神，处于开拓进取敦学要求，使学生了解人工智能工程应用技术发展中过程中的历史背景,跟踪和了解专业领
7、域的国内外发展趋势和行业热点问题。点：开发环境的安装：建点：人工智能工程应用技术行业热点问SS2天1,32.介绍TenSOrF】OW的编程基咄和TenSorBoardUr视化，并实践基FTCnSorF1.g应用开发框架的线性回归和手写数字识别的编程实践.教学要求掌握以TensorF1.ow2.O+TcnsorF1.ow1.X版本的运行模式编写单变同戏性I可归和MNIST手写数字识别的实践.重点，MN1.ST手写数字识别的TensorF1.ow实践:重点；TenSOrHOU,的编程基础。3天33.采用TenSOrF1.OW的低阶API来解决泰坦尼克号旅客生存预测问题,之后采用Tensor1.r1
8、.ow的高阶API：Kcras解决泰坦尼克号旅客生存预测问题，敦学要求，掌握TenSorFIoW的高阶API：Ken1.S来进行泰坦尼克号旅客生存预测的建模、训练和应用。重点STenSQrFIOB的高阶APi：KeraS解决泰坦尼克号旅客生存预测问题:难点TensorF1.oU的高阶ApI：KeraS解决泰坦尼克号旅客生存预测问题.3天21.采用卷枳层不同通道的卷积特征包括单一通道特征和全通道特征生成图像：利用浅层和深层卷积特征所生成图像：TensorF1.ow2教学要求：掌握卷积神经网络总体结构,全连接神经网络的不足；了解TenSOrFIoW中卷积神经网络相关函数,利用TCnsorF1.ow
9、建立卷积神经网4天2实现DeePDrea图像生成实践.络分类模型：TenSorFI。型基础上以背景图像为起点生成DeepDrcam图像.MAt利用TensorF1.ow建立卷积神经网络分类模型：难点：TenSOrF1.mr2基础上以背景图像为起点生成DeePDream图像。5.考虑到大部分数据或任务都是存在相关性的，通过迁移学习将图像分类中已经学到的模型参数迁移到图像检索模型中，从而加快并优化模型的新领域的适应性除学晏求，了解迁移学习的历史背景几国内外发展。地握翦于特征选择的迁移学习算法.掌握菸于TcnsorF1.o2的VGG16迁移学习在图像检索实践成用的模型构建.点，基于TensorF1.
10、ow2的VGC16迁移学习在图像检索实践应用的模型构建：难点：基于Te11sorF1.ow2的VGG16迂楼学习在图像检索实践应用的模型构建.3天1.3的15天（3周）五、教学方法及手段本课程和实际应用结合紧密.注重培养学生的综合应用和动手实践能力：教学过程中教师以导引为主,以讲授为辅,结合工程实践采用启发式和讨论式的教学方法,培养学生独立自主学习的能力,同时以学习通为平台提供资源丰富城上资源，采用E-mai1.、钉钉、微信等交流工具，加强和学生之间的交流和沟通,六、考核与成绩评定1.考核方式及成绩评定实习采用优、良、中、及格、不及格五级评分制，即90分以上为优8089分为良，7079分为中，
11、60、69分为及格，60分以下为不及格。总成绩分四部分：实习表现、实习报告、实习总结和实习答辩。其中：(D实习表现占40,无故旷课达3次取消总成绩：(2)实习报告占30&无故不交实习报告取消总成绩：(3)实习总结占10%：无故块少实习总结取消总成绩：(力实习答辩占20%.无故缺席实习答辩取消总成绩：2.成绩评定标准考核内容、评价标准、所占比重见表4。表4考核方式讦价标痕考校/评分值对应课价环节占比(%)100x9090x8080x7070x60x60程目标实习表现40正常参加设计训练，无迟到、早迟情况.认真所讲,笔记完整.正常参加设计训练，无迟到、早退情况，认真听讲,笔记基本完整.正常参加设计
12、训练，无迟到、早退情况.认真所讲,卷记不全.正常参加设计训练，无迟到,偶尔早退,宅记不全.威席设计训练较多,无实习笔记.1,2实习报告30报告内容全面、详实，字迹工整,课程建议好。报告内容全面、详实.字迹工整，课程建议认识不到位.报告内容较全面、洋实，字迹较工整，课程建议认识不到位。报告内容不全面，字迹较差,报告内容不全面,字迹较差，字数未达到要求.I、2实习总结10总结内容全面详实,完整思路清晰，有独到的见解和认识,字迹工整,总结内容全面详实.完整.思路消晰,见解不到位，字迹工整，总结内容全面详尽,完整.思路清新，无独立见邮，字迹工整总结内容基本洋实、完整思路清TTipZr结论有错之不透总结内容匮乏、缺乏完整性,思路混乱，结出错误，字迹工思2、3实习答舞20回答问题正确率大于9tf回答问题正率大于80%回答问题IE确率大于7族回答问题正确率大于60%回答问超正确率小干60%1、2、3
