Keras與深度學(xué)習(xí)實(shí)戰(zhàn)-教學(xué)大綱

《Keras與深度學(xué)習(xí)實(shí)戰(zhàn)》教學(xué)大綱課程名稱(chēng)：Keras與深度學(xué)習(xí)實(shí)戰(zhàn)課程類(lèi)別：必修適用專(zhuān)業(yè)：大數(shù)據(jù)技術(shù)類(lèi)相關(guān)專(zhuān)業(yè)總學(xué)時(shí)：48學(xué)時(shí)（其中理論30學(xué)時(shí)，實(shí)驗(yàn)18學(xué)時(shí)）總學(xué)分：3.0學(xué)分課程的性質(zhì)本課程是大數(shù)據(jù)和人工智能相關(guān)專(zhuān)業(yè)的選修課。本書(shū)通過(guò)理論與實(shí)踐相結(jié)合的方式引領(lǐng)大家進(jìn)入深度學(xué)習(xí)技術(shù)的大門(mén)，深入淺出地介紹使用Keras進(jìn)行深度學(xué)習(xí)的重要內(nèi)容，包括Keras深度學(xué)習(xí)通用流程和利用Keras實(shí)現(xiàn)經(jīng)典的神經(jīng)網(wǎng)絡(luò)，幫助大家扎實(shí)地掌握深度神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)所需要的基本理論知識(shí)和核心開(kāi)發(fā)技術(shù)，為同學(xué)們將來(lái)繼續(xù)深入學(xué)習(xí)人工智能打下堅(jiān)實(shí)的基礎(chǔ)。課程的任務(wù)掌握一種深度學(xué)習(xí)編程框架，能在該框架下進(jìn)行數(shù)據(jù)加載與預(yù)處理，構(gòu)建網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)，性能評(píng)估等。理解卷積神經(jīng)網(wǎng)絡(luò)的基本原理，能夠設(shè)計(jì)并編程實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)解決一些實(shí)際問(wèn)題。理解循環(huán)神經(jīng)網(wǎng)絡(luò)的基本原理，能夠設(shè)計(jì)并編程實(shí)現(xiàn)循環(huán)神經(jīng)網(wǎng)絡(luò)處理自然語(yǔ)言理解中的一些問(wèn)題。理解生成對(duì)抗網(wǎng)絡(luò)的基本原理，能夠設(shè)計(jì)并編程實(shí)現(xiàn)生成對(duì)抗網(wǎng)絡(luò)自動(dòng)生成目標(biāo)樣本。掌握綜合利用Keras進(jìn)行神經(jīng)網(wǎng)絡(luò)程序設(shè)計(jì)。課程學(xué)時(shí)分配序號(hào)教學(xué)內(nèi)容理論學(xué)時(shí)實(shí)驗(yàn)學(xué)時(shí)其它1第1章深度學(xué)習(xí)概述22第2章Keras深度學(xué)習(xí)通用流程1043第3章Keras深度學(xué)習(xí)基礎(chǔ)1064第4章基于RetinaNet的目標(biāo)檢測(cè)225第5章基于LSTM的唐詩(shī)生成226第6章基于GAN的圖像風(fēng)格轉(zhuǎn)換227第7章

基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)唐詩(shī)生成22總計(jì)3018教學(xué)內(nèi)容及學(xué)時(shí)安排理論教學(xué)序號(hào)章節(jié)名稱(chēng)主要內(nèi)容教學(xué)目標(biāo)學(xué)時(shí)1深度學(xué)習(xí)概述深度學(xué)習(xí)的基本定義和常見(jiàn)應(yīng)用深度學(xué)習(xí)與其他領(lǐng)域的關(guān)系深度學(xué)習(xí)框架Keras的常見(jiàn)接口、特性和安裝方法了解深度學(xué)習(xí)的基本定義、常見(jiàn)應(yīng)用、與其他領(lǐng)域的關(guān)系熟悉深度學(xué)習(xí)框架Keras的常見(jiàn)接口、特性掌握深度學(xué)習(xí)框架Keras的安裝方法22Keras深度學(xué)習(xí)通用流程Keras數(shù)據(jù)加載與預(yù)處理Keras構(gòu)建網(wǎng)絡(luò)Keras訓(xùn)練網(wǎng)絡(luò)Keras性能評(píng)估1.掌握Keras下進(jìn)行數(shù)據(jù)加載與預(yù)處理2.構(gòu)建網(wǎng)絡(luò)，訓(xùn)練網(wǎng)絡(luò)，性能評(píng)估等。143Keras深度學(xué)習(xí)基礎(chǔ)卷積神經(jīng)網(wǎng)絡(luò)循環(huán)神經(jīng)網(wǎng)絡(luò)生成對(duì)抗網(wǎng)絡(luò)掌握卷積神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法，能夠設(shè)計(jì)并編程實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)解決一些實(shí)際問(wèn)題。掌握循環(huán)神經(jīng)網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。掌握生成對(duì)抗網(wǎng)絡(luò)中的常用網(wǎng)絡(luò)層的基本原理與實(shí)現(xiàn)方法。164基于RetinaNet的目標(biāo)檢測(cè)目標(biāo)檢測(cè)的背景、基本概念和原理RetinaNet網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練和測(cè)試方法了解目標(biāo)檢測(cè)的背景、基本概念和原理熟悉使用RetinaNet網(wǎng)絡(luò)進(jìn)行目標(biāo)檢測(cè)的總體流程掌握RetinaNet網(wǎng)絡(luò)的構(gòu)建、訓(xùn)練和測(cè)試方法45基于LSTM的唐詩(shī)生成文本生成的概念文本預(yù)處理的方法LSTM的構(gòu)建方法了解文本生成的概念熟悉文本預(yù)處理的方法掌握LSTM網(wǎng)絡(luò)的搭建46基于GAN的圖像風(fēng)格轉(zhuǎn)換圖像風(fēng)格轉(zhuǎn)換的應(yīng)用背景CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)與搭建步驟CycleGAN網(wǎng)絡(luò)的構(gòu)建方法和訓(xùn)練方法了解圖像風(fēng)格轉(zhuǎn)換的背景熟悉CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)與搭建步驟掌握CycleGAN網(wǎng)絡(luò)的構(gòu)建方法和訓(xùn)練方法47基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)唐詩(shī)生成TipDM大數(shù)據(jù)挖掘建模平臺(tái)的相關(guān)概念和特點(diǎn)TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù)的方法TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行文件解壓、數(shù)據(jù)集劃分、特征提取、數(shù)據(jù)標(biāo)準(zhǔn)化、訓(xùn)練模型、調(diào)用模型進(jìn)行分類(lèi)等操作的方法了解TipDM大數(shù)據(jù)挖掘建模平臺(tái)的相關(guān)概念和特點(diǎn)熟悉使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)配置語(yǔ)音識(shí)別任務(wù)的總體流程掌握使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù)、文件解壓、數(shù)據(jù)集劃分、特征提取、數(shù)據(jù)標(biāo)準(zhǔn)化、訓(xùn)練模型、調(diào)用模型進(jìn)行分類(lèi)等操作的方法4學(xué)時(shí)合計(jì)48實(shí)驗(yàn)教學(xué)序號(hào)實(shí)驗(yàn)項(xiàng)目名稱(chēng)實(shí)驗(yàn)要求學(xué)時(shí)1Keras數(shù)據(jù)加載與預(yù)處理1.掌握Keras圖像數(shù)據(jù)加載的方法2.掌握Keras圖像數(shù)據(jù)增強(qiáng)的方法22Keras網(wǎng)絡(luò)構(gòu)建與訓(xùn)練掌握Keras構(gòu)建網(wǎng)絡(luò)的方法， 理解不同的激活函數(shù)2.掌握Keras進(jìn)行訓(xùn)練的方法，掌握各種優(yōu)化器和損失函數(shù)的特點(diǎn)．3.掌握利用Keras評(píng)估神經(jīng)網(wǎng)絡(luò)性能的方法4．掌握利用Keras保存與加載神經(jīng)網(wǎng)絡(luò)模型的方法23卷積神經(jīng)網(wǎng)絡(luò)1．掌握Keras構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)的主要步驟2．理解卷積操作3．掌握使用預(yù)訓(xùn)練好的ResNet對(duì)自己的數(shù)據(jù)再次進(jìn)行訓(xùn)練的方法4.掌握函數(shù)式建立Keras模型的方法24循環(huán)神經(jīng)網(wǎng)絡(luò)1.理解Embedding層的用法，掌握利用Embedding層對(duì)單詞進(jìn)行向量化2．掌握利用神經(jīng)網(wǎng)絡(luò)進(jìn)行文本分類(lèi)的方法3．理解循環(huán)神經(jīng)網(wǎng)絡(luò)RNN和LSTM的基本原理4．掌握利用循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行文本分類(lèi)的方法25生成對(duì)抗網(wǎng)絡(luò)理解生成對(duì)抗網(wǎng)絡(luò)的基本原理掌握利用生成對(duì)抗網(wǎng)絡(luò)生成新樣本的方法理解條件生成對(duì)抗網(wǎng)絡(luò)的基本原理4.掌握利用條件生成對(duì)抗網(wǎng)絡(luò)生成新樣本的方法26基于RetinaNet的目標(biāo)檢測(cè)理解目標(biāo)檢測(cè)的原理掌握預(yù)處理圖像、編碼數(shù)據(jù)集、設(shè)置數(shù)據(jù)集管道的方法理解RetinaNet的網(wǎng)絡(luò)結(jié)構(gòu)掌握RetinaNet的網(wǎng)絡(luò)的構(gòu)建和訓(xùn)練方法掌握加載模型測(cè)試點(diǎn)、定義解碼與非極大抑制類(lèi)的方法27基于LSTM的唐詩(shī)生成理解文本生成的原理掌握標(biāo)識(shí)文本結(jié)束點(diǎn)、去除低頻字詞和文本編碼化的方法掌握構(gòu)建和訓(xùn)練LSTM，并查看階段性學(xué)習(xí)結(jié)果的方法28基于GAN的圖像風(fēng)格轉(zhuǎn)換理解圖像風(fēng)格轉(zhuǎn)換的原理理解CycleGAN的網(wǎng)絡(luò)結(jié)構(gòu)掌握構(gòu)建和訓(xùn)練CycleGAN網(wǎng)絡(luò)的方法29基于TipDM數(shù)據(jù)挖掘建模平臺(tái)實(shí)現(xiàn)唐詩(shī)生成理解使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)配置語(yǔ)音識(shí)別任務(wù)的總體流程掌握使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù)、文件解壓、數(shù)據(jù)集劃分、特征提取、數(shù)據(jù)標(biāo)準(zhǔn)化、訓(xùn)練模型、調(diào)用模型進(jìn)行分類(lèi)等操作的方法2學(xué)時(shí)合計(jì)18考核方式突出學(xué)生解決實(shí)際問(wèn)題的能力，加強(qiáng)過(guò)程性考核。課程考核的成績(jī)構(gòu)成=平時(shí)作業(yè)（20%）+課堂參與（10%）+期中考試（10%）+期末考核（60%），期末考試建議采用開(kāi)卷形式，試題應(yīng)覆蓋課程主要內(nèi)容，題型可采用判斷題、選擇、簡(jiǎn)答、應(yīng)用題等方式。教材與參考資料1.教材黃可坤，張良均，Keras與深度學(xué)習(xí)實(shí)戰(zhàn)[M].北京：人民郵電出版社，2023.2.參考書(shū)目陳屹，神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)實(shí)戰(zhàn)：Python+Keras+Tensor