深度學(xué)習(xí)技術(shù)及其應(yīng)用課程教學(xué)大綱

1、深度學(xué)習(xí)技術(shù)及其應(yīng)用課程教學(xué)大綱Course Outline課程基本信息（Course Information）課程代碼（Course Code）MS318*學(xué)時(shí)（Credit Hours）32*學(xué)分（Credits）2*課程名稱（Course Title）（中文）深度學(xué)習(xí)技術(shù)及其應(yīng)用（英文）Deep Learning and Its Applications*課程性質(zhì)（Course Type）選修課授課對(duì)象（Target Audience）本科生*授課語(yǔ)言(Language of Instruction)英語(yǔ)*開(kāi)課院系（School）致遠(yuǎn)學(xué)院先修課程（Prerequisite）線性代數(shù)、概率

2、論、微積分、計(jì)算機(jī)程序設(shè)計(jì)授課教師（Instructor）俞凱課程網(wǎng)址(Course Webpage)*課程簡(jiǎn)介（Description）本課程將全面的介紹近年發(fā)展起來(lái)的基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)技術(shù)的基本概念，主要結(jié)構(gòu)，核心方法和關(guān)鍵應(yīng)用。主要內(nèi)容包括：機(jī)器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的基本概念和算法，深度學(xué)習(xí)的主流結(jié)構(gòu)及多種不同的激活函數(shù)，深度學(xué)習(xí)的實(shí)用算法細(xì)節(jié)，深度學(xué)習(xí)的應(yīng)用例子。通過(guò)課程的學(xué)習(xí)，使同學(xué)們鞏固基礎(chǔ)數(shù)學(xué)及機(jī)器學(xué)習(xí)的基本概念和算法；掌握神經(jīng)網(wǎng)絡(luò)基本概念；掌握深度學(xué)習(xí)中的主要網(wǎng)絡(luò)結(jié)構(gòu)的基本概念和相關(guān)算法；了解具體應(yīng)用領(lǐng)域的背景知識(shí)、應(yīng)用相關(guān)的深度學(xué)習(xí)技術(shù)；掌握通用深度學(xué)習(xí)網(wǎng)絡(luò)的參數(shù)訓(xùn)練、深度學(xué)習(xí)

3、的結(jié)構(gòu)變種、序列級(jí)深度學(xué)習(xí)的訓(xùn)練和使用。*課程簡(jiǎn)介（Description）This course will give a full picture of recently developed deep learning techniques. Basic concepts, main structures, core algorithms and key applications will be introduced in detail. Content includes: basic concepts and algorithms of machine learning and neura

4、l networks, popular network structures and activation functions of deep learning, algorithm details of deep learning and key application cases. The course will help students consolidate the knowledge of basic mathematics and fundamentals of machine learning; know the concepts of neural network; unde

5、rstand the main-stream techniques of deep learning including deep neural network (DNN), convolutional neural network (CNN) and recurrent neural network (RNN); learn the applications of deep learning including speech recognition, image recognition and natural language processing; learn the advances o

6、f deep learning including computational network, structured deep learning and sequence-to-sequence learning.課程教學(xué)大綱（course syllabus）*學(xué)習(xí)目標(biāo)(Learning Outcomes)1鞏固基礎(chǔ)數(shù)學(xué)及機(jī)器學(xué)習(xí)的基本概念和算法。2掌握神經(jīng)網(wǎng)絡(luò)基本概念。3掌握深度學(xué)習(xí)中的主要網(wǎng)絡(luò)結(jié)構(gòu)的基本概念和相關(guān)算法。4了解具體應(yīng)用領(lǐng)域的背景知識(shí)、應(yīng)用相關(guān)的深度學(xué)習(xí)技術(shù)。5. 掌握通用深度學(xué)習(xí)網(wǎng)絡(luò)的參數(shù)訓(xùn)練、深度學(xué)習(xí)的結(jié)構(gòu)變種、序列級(jí)深度學(xué)習(xí)的訓(xùn)練和使用。*教學(xué)內(nèi)容、進(jìn)度安排及要求(Cl

7、ass Schedule&Requirements)教學(xué)內(nèi)容學(xué)時(shí)教學(xué)方式作業(yè)及要求基本要求考查方式基本數(shù)學(xué)知識(shí)復(fù)習(xí)2課堂教學(xué)無(wú)掌握無(wú)機(jī)器學(xué)習(xí)基礎(chǔ)2課堂教學(xué)無(wú)掌握無(wú)神經(jīng)網(wǎng)絡(luò)概念2課堂教學(xué)無(wú)掌握無(wú)神經(jīng)網(wǎng)絡(luò)訓(xùn)練及分析2課堂教學(xué)無(wú)掌握無(wú)深度神經(jīng)網(wǎng)絡(luò)初始化2課堂教學(xué)無(wú)掌握無(wú)深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練2課堂教學(xué)小作業(yè)掌握作業(yè)MXNet應(yīng)用講座2講座無(wú)掌握作業(yè)前沿論文閱讀與討論I2課堂討論演講掌握演講深度神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別應(yīng)用2課堂教學(xué)無(wú)掌握無(wú)卷積神經(jīng)網(wǎng)絡(luò)2課堂教學(xué)小作業(yè)掌握作業(yè)卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別應(yīng)用2課堂教學(xué)無(wú)掌握作業(yè)循環(huán)神經(jīng)網(wǎng)絡(luò)2課堂教學(xué)無(wú)掌握無(wú)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)2課堂教學(xué)小作業(yè)掌握作業(yè)循環(huán)神經(jīng)網(wǎng)絡(luò)自然語(yǔ)言處

8、理應(yīng)用2課堂教學(xué)無(wú)掌握無(wú)結(jié)構(gòu)化深度學(xué)習(xí)和序列深度學(xué)習(xí)2課堂教學(xué)無(wú)掌握無(wú)前沿論文閱讀與討論II2課堂討論演講掌握演講*考核方式(Grading)100%為平時(shí)成績(jī)（小作業(yè)40%，大作業(yè)40%，演講20%，課堂表現(xiàn)5%額外分?jǐn)?shù)）*教材或參考資料(Textbooks & Other Materials)1. Christopher Bishop. Pattern Recognition and Machine Learning. Springer Press.2. Dong Yu and Li Deng. Automatic Speech Recognition - A Deep Learning Approach. Springer Press.4. Yoshua