《项目化课程3》教学大纲课程名称：项目化课程3课程类别（必修/选修）：任选课（项目类课程课程英文名称：Project-BasedCourse3其中实验/实贱学时：16总学时/周学时/学分：32/2/2先修课程：具备程序设计知识。后续课程支撑：人工智能与机器学习、深度学习授课地点：机房503授课时间：1-16周星期五(1-2节）授课对象：23电商1-2班开课学院：粤台产业科技学院任课教师姓名/职称：杨荣贵/副教授答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答课程考核方式：开卷（）闭卷（）课程论文（）其它（）作业、期末报告使用教材：《人工智能算法与实战（Python+PyTorch）》，于祥雨、李旭静、邵新平，清华大学出版社，出版年：2020.09.01，ISBN：9787302557821教学参考资料：1.各精品资源共享课网站。课程简介：本课程目在帮助学生深入理解和实际应用企业智能系统的概念、原理和技术。通过项目实作，学生将有机会亲身参与企业智能系统的设计、开发和实施过程，从而培养实际应用技能和解决实际业务问题的能力。课程教学目标及对毕业要求指标点的支撑：毕业要求课程教学目标支撑毕业要求指标点目标1：1-工程知识：能够运用数学、基础科学、计算机科1.交叉知识的运用能力掌握人工智能与机器学习的基本概念、相关技术，了解人学与技术、企业互联网平台系统、电子商务信息管3.（技术工具的应用能力）工智能与机器学习在数据处理和规则提取中的应用现状理与信息系统、电子商务经营管理等相关知识，对1
1 《项目化课程 3》教学大纲 课程名称：项目化课程 3 课程类别（必修/选修）：任选课(项目类课程) 课程英文名称：Project-Based Course 3 总学时/周学时/学分：32 / 2 / 2 其中实验/实践学时：16 先修课程：具备程序设计知识。 后续课程支撑：人工智能与机器学习、深度学习 授课时间：1-16 周星期五(1-2 节) 授课地点：机房 503 授课对象：23 电商 1-2 班 开课学院：粤台产业科技学院 任课教师姓名/职称：杨荣贵/副教授 答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑 课程考核方式：开卷（）闭卷（）课程论文（）其它（✓） 作业、期末报告 使用教材：《人工智能算法与实战（Python + PyTorch）》，于祥雨、李旭静、邵新平，清华大学出版社，出版年：2020.09.01，ISBN：9787302557821 教学参考资料：1. 各精品资源共享课网站。 课程简介： 本课程旨在帮助学生深入理解和实际应用企业智能系统的概念、原理和技术。通过项目实作，学生将有机会亲身参与企业智能系统的设计、开发和 实施过程，从而培养实际应用技能和解决实际业务问题的能力。 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求 目标 1： 掌握人工智能与机器学习的基本概念、相关技术，了解人 工智能与机器学习在数据处理和规则提取中的应用现状、 1. 交叉知识的运用能力 3.（技术工具的应用能力） 1-工程知识：能够运用数学、基础科学、计算机科 学与技术、企业互联网平台系统、电子商务信息管 理与信息系统、电子商务经营管理等相关知识，对
应用前景和研究方向。企业互联网与电子商务系统开发运维问题具有解决能力。目标2：4-研究：能够熟悉企业互联网与电子商务系统的前强化在人工智能与机器学习中的算法设计、分析的能力：端设计、后端设计、数据库设计、数据挖掘、大数2（实验与数据解读能力）同时：培养学生阅读外文资料、文献调研方面的能力。据分析、云计算等基本科学研究方法，具有科学研4（计科与大数据分析专业能力）究精神，为企业互联网与电子商务系统开发运维复杂问题提出有效研究手段并将问题有效解决。目标3：4能够采用科学方法对化学领域工程问题进行研究6（解决复杂问题的能力）锻炼学生应用各种手段查阅文献资料、获取信息、拓展知和分析，包括设计实验、处理与解释数据得到合理7（持续学习与创新超越能力）有效的结论识领域、维续学习并提高业务水平的能力理论教学进程表支撑教学模式周次教学主题授课教师学时数教学内容（重点、难点、课程思政融入点）教学方法课程作业安排线下混合式目标重点：课程简介(CourseIntroduction）难点：领域的专业技能企业智能系统项课程思政融入点：在课程中加入涉及我国计算机科学家及工程师在对计算机学科发目实作介绍：图2线下课堂讲授目标1杨荣贵1展作出的贡献和利用人工智能与机器学习像分类问题原理及技术在其他领域应用取得了新成就(Classification)等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学2
2 应用前景和研究方向。 企业互联网与电子商务系统开发运维问题具有解 决能力。 目标 2： 强化在人工智能与机器学习中的算法设计、分析的能力； 同时，培养学生阅读外文资料、文献调研方面的能力。 2（实验与数据解读能力） 4（计科与大数据分析专业能力） 4-研究：能够熟悉企业互联网与电子商务系统的前 端设计、后端设计、数据库设计、数据挖掘、大数 据分析、云计算等基本科学研究方法，具有科学研 究精神，为企业互联网与电子商务系统开发运维复 杂问题提出有效研究手段并将问题有效解决。 目标 3： 锻炼学生应用各种手段查阅文献资料、获取信息、拓展知 识领域、继续学习并提高业务水平的能力。 6（解决复杂问题的能力） 7（持续学习与创新超越能力） 4 能够采用科学方法对化学领域工程问题进行研究 和分析，包括设计实验、处理与解释数据得到合理 有效的结论 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 企业智能系统项 目实作介绍：图 像分类问题 (Classification) 杨荣贵 2 重点；课程简介(Course Introduction) 难点：领域的专业技能 课程思政融入点：在课程中加入涉及我国 计算机科学家及工程师在对计算机学科发 展作出的贡献和利用人工智能与机器学习 原理及技术在其他领域应用取得了新成就 等，例如：政府大数据、商业大数据、生 物工程大数据等内容，培养学生应用马克 思主义基本原理分析问题的方法，激发学 线下 课堂讲授 目标 1
生的爱国热情和民族自豪感。重点：观念理解、训练模式难点：任务说明、常用数据集、性能指针模块一：课程思政融入点：通过讲述目标检测原理课后作业：从简到繁、从易到难、从特殊到一般，循神经网络模型的杨荣贵2课堂讲授目标2福建立CIFAR-10网络2线下搭建(CIFAR-10模序进。培养学生利用循序渐进、举一反模型型)三的方法认识、分析问题的能力：树立凡事要脚踏实地、从基础做起、积步以至千里的理念。重点：验证模式、预测模式、导出模式难点：在自定义或预载数据集上对模型进课后作业：模块二：目标行微调。杨荣贵4课堂讲授..3-4线下实作损失函数和优损失函数和优化1,2课程思政融入点：介绍目标检测在国内的器化器应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。重点：跟踪模式、基准模式课后作业：模块三：难点：用于验证模型性能的训练后检查点。目标线下课堂讲授杨荣贵47-8完整的神经网络建立分类问题课程思政融入点：说明目标检测在国内的1,2模型训练套路DataSet设计开发以及相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。课后作业：模块四：部署与重点：释放模型对真实世界数据的预测能2线下课堂讲授目标3AA杨荣贵力。维护调整超参数，进行模3
3 生的爱国热情和民族自豪感。 2 模块一： 神经网络模型的 搭建(CIFAR-10 模 型) 杨荣贵 2 重点；观念理解、训练模式 难点：任务说明、常用数据集、性能指针 课程思政融入点：通过讲述目标检测原理 从简到繁、从易到难、从特殊到一般，循 序渐进。培养学生利用循序渐进、举一反 三的方法认识、分析问题的能力；树立凡 事要脚踏实地、从基础做起、积跬步以至 千里的理念。 线下 课堂讲授 课后作业： 建立 CIFAR-10 网络 模型 目标 2 3-4 模块二： 损失函数和优化 器 杨荣贵 4 重点；验证模式、预测模式、导出模式 难点：在自定义或预载数据集上对模型进 行微调。 课程思政融入点：介绍目标检测在国内的 应用状况，激发学生对于技能学习的热情， 未来为国家做出贡献。 线下 课堂讲授 课后作业： 实作损失函数和优 化器 目标 1, 2 7-8 模块三： 完整的神经网络 模型训练套路 杨荣贵 4 重点；跟踪模式、基准模式 难点：用于验证模型性能的训练后检查点。 课程思政融入点：说明目标检测在国内的 设计开发以及相关应用状况，激发学生对 于技能学习的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 建 立 分 类 问 题 DataSet 目标 1, 2 14 模块四：部署与 维护 杨荣贵 2 重点；释放模型对真实世界数据的预测能 力。 线下 课堂讲授 课后作业： 调整超参数，进行模 目标 3
型验证难点：让您的模型以各种格式部署就绪。课程思政融入点：说明目标检测技术在国内的相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。重点：培养实际应用技能课后作业：模块五：案例分难点：解决实际业务问题的能力2线下课堂讲授目标3杨荣贵15调整超参数，进行模析与实践经验分课程思政融入点：说明国家对于科学数据享型验证保护的重视程度，激发学生对于技能学习的热情，未来为国家做出贡献。合计16实践教学进程表支撑课项目类型（验证/综合教学周次授课教师学时实验项目名称教学内容（重点、难点、课程思政融入点）/设计)方法程目标在自定义或预载数据集上对模型进行微调。课程思政融入点：要求学生处理实验数据必须实验1实验示范、杨荣贵设计型目标1坚持实事求实、严谨的科学态度：要求学生实45-6神经网络模型的搭建学生操作验过程中主动思考理论原理，在实验过程中去(CIFAR-10模型)验证实验原理，使理论与实践相辅相成。实验2:用于验证模型性能的训练后检查点。实验示范、杨荣贵设计型目标169-11完整的神经网络分类模课程思政融入点：说明计算机视觉技术对国家学生操作型训练套路（Classification）AI发展的重要性，激发学生对于技能学习的热4
4 难点：让您的模型以各种格式部署就绪。 课程思政融入点：说明目标检测技术在国 内的相关应用状况，激发学生对于技能学 习的热情，未来为国家做出贡献。 型验证 15 模块五：案例分 析与实践经验分 享 杨荣贵 2 重点；培养实际应用技能 难点：解决实际业务问题的能力 课程思政融入点：说明国家对于科学数据 保护的重视程度，激发学生对于技能学习 的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 调整超参数，进行模 型验证 目标 3 合计 16 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综合 /设计） 教学 方法 支撑课 程目标 5-6 实验 1： 神经网络模型的搭建 (CIFAR-10 模型) 杨荣贵 4 在自定义或预载数据集上对模型进行微调。 课程思政融入点：要求学生处理实验数据必须 坚持实事求实、严谨的科学态度；要求学生实 验过程中主动思考理论原理，在实验过程中去 验证实验原理，使理论与实践相辅相成。 设计型 实验示范、 学生操作 目标 1 9-11 实验 2： 完整的神经网络分类模 型训练套路(Classification) 杨荣贵 6 用于验证模型性能的训练后检查点。 课程思政融入点：说明计算机视觉技术对国家 AI 发展的重要性，激发学生对于技能学习的热 设计型 实验示范、 学生操作 目标 1
情，未来为国家做出贡献。实验3:释放模型对真实世界数据的预测能力。实验示范、设计型杨荣贵目标2412-13实时图像分类系统的开课程思政融入点：培养实事求是的科学态度和学生操作发职业道德。在不同的部署环境中分析模型的速度和准确性。期末报告学生操作杨荣贵综合型目标3216课程思政融入点：培养实事求是的科学态度和职业道德。合计16课程考核评价依据及成绩比例（%）课程目标支撑毕业要求指标点平时成绩实验报告（作业)期末报告201-31535目标一20152-335目标二目标三 4-1303030总计4030100大纲编写时间：2025年2月21日5
5 情，未来为国家做出贡献。 12-13 实验 3： 实时图像分类系统的开 发 杨荣贵 4 释放模型对真实世界数据的预测能力。 课程思政融入点：培养实事求是的科学态度和 职业道德。 设计型 实验示范、 学生操作 目标 2 16 期末报告 杨荣贵 2 在不同的部署环境中分析模型的速度和准确 性。 课程思政融入点：培养实事求是的科学态度和 职业道德。 综合型 学生操作 目标 3 合计 16 课程考核 课程目标 支撑毕业要求指标点 评价依据及成绩比例（%） 平时成绩 实验报告(作业) 期末报告 目标一 1-3 20 15 35 目标二 2-3 20 15 35 目标三 4-1 30 30 总计 40 30 30 100 大纲编写时间：2025 年 2 月 21 日
系（部）审查意见：同意F系（部）主任签名：日期：2025年2月27日备注：1）根据《东芜理工学院专试管理规定》第士二条规定：旷课3次（或6课时）学生不得参加该课程的期终考核。2）各项考核标准见附件所示。6
6 系（部）审查意见： 同意 系（部）主任签名： 日期：2025 年 2 月 27 日 备注：1）根据《东莞理工学院考试管理规定》第十二条规定：旷课 3 次（或 6 课时）学生不得参加该课程的期终考核。 2）各项考核标准见附件所示