《深度學習技術應用》課程標準

《深度學習技術應用》課程標準課程代碼：課程類別：專業(yè)核心課課程屬性：必修課學分/學時：4學分/64學時開課單位：適用專業(yè)：人工智能技術應用制訂人：審訂人：一、課程概述(一)課程性質本課程是高等職業(yè)學校人工智能專業(yè)的專業(yè)基礎課之一，是該專業(yè)的一門基礎課程。(二)課程任務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、人工智能技術支持工程師、人工智能訓練師、人工智能測試工程師等崗位開設，主要任務是培養(yǎng)學生在人工智能深度學習神經(jīng)網(wǎng)絡模型搭建、模型訓練、模型評估、模型部署、模型測試等工作任務的能力。(三)課程設計思路本課程以高等職業(yè)院?！叭斯ぶ悄芗夹g應用”專業(yè)的學生就業(yè)為導向，將教學內容與工作崗位對專業(yè)人才的知識要求與技能要求結合起來，將項目實踐提升到一個較重要的位置，按照“理論—項目構建—項目實施”的組織結構進行課程設計。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、使用遷移學習的方法實現(xiàn)新冠肺炎X光檢測、基于Flask的模型應用與部署—貓狗識別、基于神經(jīng)網(wǎng)絡的語言處理—古詩詞生成、使用VGG19遷移學習實現(xiàn)圖像風格遷移，通過6個項目系統(tǒng)介紹了深度學習技術應用的實踐開發(fā)技術。課程在介紹深度學習神經(jīng)網(wǎng)絡后，重點闡述人工智能深度學習模型訓練的項目開發(fā)，突出了人工智能深度學習模型訓練在實際項目中的應用。在內容的編排上淡化了學科性，避免介紹過多偏深的理論，而注重深度學習模型訓練在具體運用中的要點、方法和技術操作，逐層分析和應用深度學習技術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人工智能導論人工智能基礎知識能力2Python程序設計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人工智能前端設備應用模型訓練、優(yōu)化、評估的能力二、課程目標（一）總體目標本課程要求學習了解人工智能深度學習應用技術，培養(yǎng)學生具備高職人工智能技術應用專業(yè)所需要的深度學習的基本知識和技能，熟悉并能使用Tensorflow深度學習框架對模型進行訓練、調參或者維護，具備對人工智能深度學習技術領域出現(xiàn)的新技術、新思想進一步學習的能力。希望通過本課程的學習，加深對深度學習神經(jīng)網(wǎng)絡的理解，為進一步研究和從事深度學習模型開發(fā)和工程實踐提供良好的基礎和參考。（二）具體目標1.知識目標1)了解深度學習與神經(jīng)網(wǎng)絡的概念2)了解Tensorflow深度學習框架及Keras模塊的相關知識3)理解遷移學習的概念及適用場景4)理解Flask框架的相關知識5)理解RNN循環(huán)神經(jīng)網(wǎng)絡、LSTM神經(jīng)網(wǎng)絡的結構與特點6)掌握模型訓練超參數(shù)的配置方法7)掌握基礎的模型評估指標和模型分析方法2.能力目標1)具備搭建模型訓練所需環(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練的能力3)具備使用VGG19模型搭建圖像識別模型并進行訓練的能力4)具備使用LSTM框架搭建文本生成模型并進行訓練的能力5)具備使用Flask框架進行模型的應用部署的能力6)具備使用可視化依賴庫對訓練模型進行評估和分析的能力3.素質目標1)培養(yǎng)謙虛、好學、勤于思考、認真做事的良好習慣———嚴謹?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、共同學習、共同達到目標；3)提升自我展示能力———講述、說明、表述和回答問題；4)培養(yǎng)自我學習能力———利用書籍或網(wǎng)絡上的資料幫助解決實際問題。三、課程內容及情境設計本課程以基于Tensorflow的服裝圖像分類、基于Tensorflow的文本分類、使用遷移學習的方法實現(xiàn)新冠肺炎X光檢測、基于Flask的模型應用與部署—貓狗識別、基于神經(jīng)網(wǎng)絡的語言處理—古詩詞生成、使用VGG19遷移學習實現(xiàn)圖像風格遷移6個小項目為載體，設計選取15個工作任務，根據(jù)崗位工作任務要求，確定學習任務內容；本課程采取項目驅動教學模式，以學生為主體，以任務為導向組織教學考核。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構建神經(jīng)網(wǎng)絡模型的能力4.具備使用KerasTuner完成模型超參數(shù)調節(jié)的能力項目任務知識要求技能要求學時Tensorflow基礎操作1.了解并熟悉Tensorflow深度學習框架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.了解人工智能領域機器學習、深度學習的概念2.理解機器學習與深度學習之間的關聯(lián)與區(qū)別3.理解神經(jīng)網(wǎng)絡的基本結構4.掌握激活函數(shù)、損失函數(shù)的意義及作用1.能夠正確導入訓練所需的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)預處理3.能夠使用Keras構建簡單的神經(jīng)網(wǎng)絡模型4.能夠完成模型的訓練、評估并使用模型進行預測4KerasTuner超參數(shù)調節(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調節(jié)器使用的調節(jié)算法1.能夠搭建KerasTuner環(huán)境并完成數(shù)據(jù)集準備2.能夠使用Keras構建模型3.能夠實例化Hyperband調節(jié)器并執(zhí)行超調4.能夠使用最佳超參數(shù)構建模型并完成模型訓練、評估4教學情境項目驅動、演示、邊講邊做、自學探究項目總學時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)訓練環(huán)境搭建的能力2.具備文本數(shù)據(jù)預處理的能力3.具備使用嵌入（Embedding）方法構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建文本分類模型的能力5.具備使用構建的模型進行文本分類模型訓練和模型評估的能力項目任務知識要求技能要求學時自定義神經(jīng)網(wǎng)絡電影評論文本分類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知識1.能夠導入IMDB數(shù)據(jù)集并瀏覽數(shù)據(jù)2.能夠對文本進行數(shù)據(jù)預處理3.能夠使用嵌入（Embedding）方法構建簡單的文本分類模型4.能夠對進行文本分類模型訓練并對模型進行評估4基于TensorflowHub的遷移學習電影評論文本分類1.了解遷移學習的定義和應用場景2.了解TensorflowHub中典型預訓練模型的特點1.能夠能夠導入IMDB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建并編譯模型3.能夠使用構建的模型進行文本分類模型訓練和模型評估4教學情境項目驅動、演示教學、自學探究項目總學時8項目三使用遷移學習的方法實現(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習的方法實現(xiàn)新冠肺炎X光檢測培養(yǎng)能力1.具備圖像數(shù)據(jù)訓練環(huán)境搭建的能力2.具備圖像標簽處理、劃分訓練集和測試集的能力3.具備使用VGG16中的模型構建圖像分類模型的能力4.具備模型訓練、評估、評估指標可視化的能力5.具備保存、加載已訓練模型的能力項目任務知識要求技能要求學時圖像處理以及劃分訓練集測試集1.理解機器學習的流程、目的與實現(xiàn)方法2.了解深度學習的定義與常用的深度學習框架3.了解深度學習在醫(yī)學領域的應用4.掌握基本的圖像處理方法與圖像增強技術5.掌握訓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)和標簽并轉換格式3.能夠對標簽進行二值化處理4.能夠正確劃分圖像的訓練集和測試集并保存劃分后的數(shù)據(jù)4模型搭建以及微調訓練1.掌握圖像數(shù)據(jù)生成器制作方法2.理解遷移學習、模型微調的概念與適用場景3.了解Tensorflow中內置的VGG16模型框架的相關知識1.能夠搭建模型訓練所需環(huán)境并導入相關模塊和依賴包2.能夠導入數(shù)據(jù)并設置數(shù)據(jù)增強生成器3.能夠加載VGG16模塊中的模型并構建圖像分類模型4.能夠完成模型編譯（設置超參數(shù)、優(yōu)化器）5.能夠完成模型訓練并進行模型評估6.能夠對損失函數(shù)與精確度進行數(shù)據(jù)可視化7.能夠保存、加載已訓練的模型4教學情境項目驅動、演示、邊講邊做、自學探究項目總學時8項目四基于Flask的模型應用與部署—貓狗識別單元序號第4單元項目名稱基于Flask的模型應用與部署—貓狗識別培養(yǎng)能力1.具備搭建Tensorflow模型訓練環(huán)境的能力2.具備使用基于Tensorflow的Keras框架進行模型訓練的能力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知識要求技能要求學時模型訓練與評估1.了解深度學習神經(jīng)網(wǎng)絡的基本概念2.掌握數(shù)據(jù)集劃分規(guī)則3.了解常用的模型訓練評估指標1.能夠搭建Tensorflow模型訓練環(huán)境2.能夠正確劃分訓練集與測試集3.能夠使用基于Tensorflow的Keras框架進行模型訓練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)頁端應用1.了解Flash框架的相關知識2.理解如何講Flash框架與Tensorflow框架相結合3.掌握HTML標簽的用法1.能夠搭建Flask框架開發(fā)所需環(huán)境2.能夠進行基礎的HTML頁面的開發(fā)3.能夠將模型部署在網(wǎng)頁端并展示預測結果4教學情境項目驅動、演示、邊講邊做、自學探究項目總學時8項目五基于神經(jīng)網(wǎng)絡的語言處理—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)預處理的能力2.具備搭建LSTM模型并進行文本生成模型訓練的能力3.具備使用Flask框架部署文本生成模型的能力項目任務知識要求技能要求學時古詩文本數(shù)據(jù)預處理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間的雙向轉換表4.能夠根據(jù)要求生成古詩詞文本4模型搭建與訓練1.了解RNN（循環(huán)神經(jīng)網(wǎng)絡）的概念與類別2.理解文本生成的原理3.了解訓練RNN模型時存在的問題4.了解LSTM神經(jīng)網(wǎng)絡的結構和特點1.能夠搭建基于LSTM框架所需的模型訓練環(huán)境2.能夠完成模型訓練超參數(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教學情境項目驅動、演示、邊講邊做、自學探究項目總學時12項目六使用VGG19遷移學習實現(xiàn)圖像風格遷移單元序號第6單元項目名稱使用VGG19遷移學習實現(xiàn)圖像風格遷移培養(yǎng)能力1.具備風格遷移模型訓練環(huán)境搭建的能力2.具備基于VGG19模型完成風格遷移模型構建的能力3.具備基于VGG19模型完成風格遷移模型訓練的能力項目任務知識要求技能要求學時初識圖像風格遷移1.了解圖像風格遷移的發(fā)展過程2.理解圖像風格遷移的原理3.理解特征提取與遷移學習的相關概念1.能夠搭建風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格遷移圖片。4基于VGG19構建遷移學習模型1.理解VGG19的基本知識與優(yōu)缺點2.理解利用VGG19實現(xiàn)遷移學習的模型構建思路1.能夠搭建VGG19遷移學習所需使用的環(huán)境2.能夠設置遷移學習模型訓練的超參數(shù)3.能夠進行圖像預處理并保存4.能夠使用代碼生成帶有噪聲的圖片4訓練模型實現(xiàn)圖像風格遷移1.掌握風格遷移模型損失值計算方法2.掌握風格遷移模型訓練方法1.能夠搭建風格遷移模型訓練所需使用的環(huán)境2.能夠設置遷移學習模型訓練的超參數(shù)3.能夠基于VGG19完成風格遷移的模型構建4.能夠完成內容圖片和風格圖片的損失計算5.能夠完成風格遷移的模型訓練8教學情境項目驅動、演示、邊講邊做、自學探究項目總學時16四、教學實施建議(一)教學方法建議為培養(yǎng)學生在人工智能深度學習神經(jīng)網(wǎng)絡的模型訓練優(yōu)化、性能評估、部署、技術支持、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方法有以下幾種：（1）“設計項目任務驅動”教學法通過在真實的任務中探索學習，不斷地提高學生成就感，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）項目教學法在教學中把知識與技能進行有機的結合，充分發(fā)掘學生的創(chuàng)造潛能，提高學生解決實際問題的綜合能力，為學生零距離就業(yè)奠定基礎。（3）討論式與啟發(fā)式教學相結合對于實踐性強的內容，安排專題學生自學，然后由一個學生在課堂上講述，大家再一起討論、分析和評價，這樣使每個學生都有興趣積極參與，活躍課堂氣氛，培養(yǎng)自學的能力。（4）模擬和實際相結合的環(huán)境教學法針對單片機開發(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)境的教學方法。(