《深度学习综合训练（Comprehensive Training in Deep Learning）》教学大纲

制定时间：2025年07月

一、课程基本信息

（一）适用专业：本科智能科学与技术

（二）课程代码：3ZN1021A

（三）学分/课内学时：1学分16学时

（四）课程类别：专业教育

（五）课程性质：必修/实践课

（六）先修课程：线性代数、机器学习、概率论与数理统计

（七）后续课程： 大数据处理与智能决策，语音识别技术

二、课程教学目标

《深度学习综合训练》是智能科学与技术工程院智能科学与技术专业的一门专业必修课实践，在培养学生创造性思维、综合设计能力和智能科学与技术的实践能力方面占有重要的地位。

本课程的主要任务是通过综合实训环节培养学生的创新意识与能力和智能科学与技术科学知识的应用能力，使学生掌握深度学习相关领域的基础概念与发展过程；实践不同种类深度学习的应用：(i) 图像方面的图片分类和目标检测 (ii) 文本方面的简易机器翻译。训练学生对深度学习问题进行分析、求解及综合应用的能力。

（一）具体目标

目标1：培养基于深度学习场景进行团队合作、优化资源配置与协同创新能力，即能通过团队分工查阅相关书籍资料，理解课题任务，进行综合分析与讨论之后提出可能的解决方案并实施的能力。

目标2：能根据课题任务要求，针对不同的应用场景进行深度学习模型的选择、构建和应用，具有初步的人工智能应用软件开发能力。

（二）课程目标与毕业要求的对应关系

三、教学内容与方法

（一）教学内容及要求

（二）教学方法

1.课堂讲授

（1）采用启发式教学，以学生为中心，激发学生主动学习的兴趣，培养学生独立思考、分析问题和解决问题的能力，引导学生主动通过实践和自学获得自己想学到的知识。

（2）采用案例驱动的训练方式，通过对不同机器学习案例的训练，使学生加深对深度学习知识的理解，能综合运用所学知识解决实际问题，增强实际动手能力。培养学生综合应用所学的理论知识去分析和解决工程实际问题的能力，帮助学生巩固、深化和拓展知识面，使之得到一次较全面的技能提升训练，为毕业设计和实际工程设计奠定基础。

（3）理论教学与工程实践相结合，引导学生应用数学、自然科学和工程科学的基本原理，采用现代设计方法和手段，掌握机器学习技术，解决实际应用中面临的机器学习问题，培养学生分析问题、解决问题的思维方法和实践技能。

2.专题研究

围绕综合训练参考课题，设置专题研究环节，培养学生应用所掌握的知识解决复杂工程问题的能力，结合研究课题进行报告和设计文稿的撰写，并清晰陈述观点和回答问题的能力。

组织形式及要求如下：

（1）学生从教师给定的题目中选择或自主选题，以小组为单位进行，每个人的分工与责任需明确，并在报告中提供小组研讨情况记录及说明；

（2）综合训练参考课题名称包括但不限于如下内容：图片分类、目标检测、简易机器翻译等。

四、考核及成绩评定

（一）考核内容及成绩构成

课程考核以考核学生能力培养目标的达成为主要目的，以检查学生对各知识点的掌握程度和应用能力为重要内容，包括系统展示及答辩和综合训练总结报告两个部分。目标分值建议如下：

五、参考学习资料

（一）推荐教材：

斋藤康毅(日) 著 陆宇杰 译. 深度学习入门-基于Python的理论与实现, ISBN：9787115485588. 北京：人民邮电出版社，2018

阿斯顿·张（Aston Zhang），李沐（Mu Li），[美] 扎卡里·C.立顿（Zachary C.Lipton） 等 . 动手学深度学习，ISBN：9787115490841. 北京：人民邮电出版社，2019

（二）在线资源：

https://space.bilibili.com/1567748478/channel/seriesdetail?sid=358497