《人工智能编程技术》教学大纲 课程名称（汉）：《人工智能编程技术》 课程名称（英）：Course Design of artificial intelligence program technology 课程代码：262102141 课程类型：专业教育平台专业核心课程模块 适用对象：人工智能专业本科大三 学时/学分：64学时（理论32学时，实践32学时）3学分 先修课程：《python程序设计》、《机器学习》 方案版本：2021版 一、课程简介 《人工智能编程技术》是一门介绍深度学习理论和编程知识与技能的课程，是为 大学高年级学生开设的，旨在提高同学们对前沿人工智能的认识，掌握基本的编 程技术。该课程是一门实践性很强的课程。开设本课程的目的是为了使学生能够 对深度学习有进一步的了解；能够使用TensorFlow框架分析和设计深度神经网 络系统；同时能够掌握一定的TensorFlow编程知识。通过深度学习原理与 TensorFlow实践的教学，使学生对深度学习理论和TensorFlow编程有一定的了解。 通过TensorFlow编程的练习，对完整深度学习应用系统的编程有全面的了解， 并获得一定的TensorFlow编程编程知识。 二、课程的教学目标 课程目标1：通过深度学习原理与TensorFlow实践的学习，学生可以获得有关学 术界和工业界的深度学习核心知识。包括神经网络、深度学习，深度学习框架 TensorFlow,Python编程基础、TensorFlow编程基础、TensorFlow模型、TensorFlow 编程实践、TensorFlowLite和TensorFlow.js、TensorFlow应用案例代码分析等相 关知识与技能。为以后开发深度学习应用程序打下必要的基础。 课程目标2：通过本课程的学习，学生应获得如下能力：获取深度学习进一步知 识的能力：TensorFlow编程能力；使用TensorFlow开发深度学习系统的能力；较 强的自主学习能力，提高学生学习深度学习和TensorFlow编程技术的积极性和 学习兴趣：主动探索和独立思考的能力。 三、课程目标对人工智能专业毕业要求的支撑关系
《人工智能编程技术》教学大纲 课程名称（汉）：《人工智能编程技术》 课程名称（英）：Course Design of artificial intelligence program technology 课程代码：262102141 课程类型：专业教育平台专业核心课程模块 适用对象：人工智能专业本科大三 学时/学分：64 学时（理论 32 学时，实践 32 学时）/3 学分 先修课程：《python 程序设计》、《机器学习》 方案版本：2021 版 一、课程简介 《人工智能编程技术》是一门介绍深度学习理论和编程知识与技能的课程，是为 大学高年级学生开设的，旨在提高同学们对前沿人工智能的认识，掌握基本的编 程技术。该课程是一门实践性很强的课程。开设本课程的目的是为了使学生能够 对深度学习有进一步的了解；能够使用 TensorFlow 框架分析和设计深度神经网 络系统；同时能够掌握一定的 TensorFlow 编程知识。通过深度学习原理与 TensorFlow实践的教学，使学生对深度学习理论和TensorFlow编程有一定的了解。 通过 TensorFlow 编程的练习，对完整深度学习应用系统的编程有全面的了解， 并获得一定的 TensorFlow 编程编程知识。 二、课程的教学目标 课程目标 1：通过深度学习原理与 TensorFlow 实践的学习，学生可以获得有关学 术界和工业界的深度学习核心知识。包括神经网络、深度学习，深度学习框架 TensorFlow，Python 编程基础、TensorFlow 编程基础、TensorFlow 模型、TensorFlow 编程实践、TensorFlowLite 和 TensorFlow.js、TensorFlow 应用案例代码分析等相 关知识与技能。为以后开发深度学习应用程序打下必要的基础。 课程目标 2：通过本课程的学习，学生应获得如下能力：获取深度学习进一步知 识的能力；TensorFlow 编程能力；使用 TensorFlow 开发深度学习系统的能力；较 强的自主学习能力，提高学生学习深度学习和 TensorFlow 编程技术的积极性和 学习兴趣；主动探索和独立思考的能力。 三、课程目标对人工智能专业毕业要求的支撑关系
毕业要求 毕业要求指标点 课程目标 支撑 权重 设计/开发解决方案 1,2 0.05 研究 1,2 0.04 使用现代化工具 1,2 0.05 四、教学内容及其基本要求 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等〉 对应课程 目标 教学重点：机器学习方法和数据预处理方法 教学方法：采用讲解、编程实践和答疑相结合 深度学习绪论和机 教学目的：了解深度学习的发展历程和 1 器学习概论 TensorFlow的应用现状，掌握机器学习相关 的数学基础知识、相关的机器学习理论和机 器学习方法以及数据的预处理方法 教学重点：多层感知机反向传播算法、激活函数、 损失函数和过拟合、卷积、池化、长短时记忆网络、 门控循环单元网络。 神经网络和深度学 教学方法：采用讲解、编程实践和答疑相结合 习 教学目的：了解神经网络基础知识、理解神经网络 模型，掌握多层感知机神经网络、卷积神经网络、 循环神经网络、深度置信网络，了解深度学习开源 开发框架。 教学重点：Python编程基础和Python标准库： Python机器学习库。 Python编程基础 教学方法：采用讲解、编程实践和答疑相结合 3 2 教学目的：理解和掌握Python安装、Jupyter notebook编程器使用、Python编程基础、Python 标准库以及Python机器学习库。 教学重点：TensorFlow的编程基础，tf.nn, tf.layers tf.Estimator,tf.Keras, Tensorflow编程、 Tensorboard,MNIST手写数字识别。 4 模型以及实践 教学方法：采用讲解、编程实践和答疑相结合 2 教学目的：1.掌握TensorFlow环境安装、 TensorFlow的系统架构及源码结构、TensorFlow 的高层封装
毕业要求 毕业要求指标点 课程目标 支撑 权重 设计/开发解决方案 1,2 0.05 研究 1,2 0.04 使用现代化工具 1,2 0.05 四、教学内容及其基本要求 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 对应课程 目标 1 深度学习绪论和机 器学习概论 教学重点：机器学习方法和数据预处理方法 教学方法：采用讲解、编程实践和答疑相结合 教学目的 ： 了 解 深度 学 习 的 发展 历 程 和 TensorFlow 的应用现状，掌握机器学习相关 的数学基础知识、相关的机器学习理论和机 器学习方法以及数据的预处理方法 1 2 神经网络和深度学 习 教学重点：多层感知机反向传播算法、激活函数、 损失函数和过拟合、卷积、池化、长短时记忆网络、 门控循环单元网络。 教学方法：采用讲解、编程实践和答疑相结合 教学目的：了解神经网络基础知识、理解神经网络 模型，掌握多层感知机神经网络、卷积神经网络、 循环神经网络、深度置信网络，了解深度学习开源 开发框架。 1 3 Python 编程基础 教学重点：Python 编程基础和 Python 标准库； Python 机器学习库。 教学方法：采用讲解、编程实践和答疑相结合 教学目的：理解和掌握 Python 安装、Jupyter notebook 编程器使用、Python 编程基础、Python 标准库以及 Python 机器学习库。 2 4 Tensorflow 编程、 模型以及实践 教学重点：TensorFlow 的编程基础，tf.nn， tf.layers ， tf.Estimator ， tf.Keras ， Tensorboard，MNIST 手写数字识别。 教学方法：采用讲解、编程实践和答疑相结合 教学目的： 1. 掌 握 TensorFlow 环境安装、 TensorFlow 的系统架构及源码结构、TensorFlow 的高层封装。 2
对应课程 序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等 目标 2.掌握TensorFlow模型构建、TensorFlow模型训 练、Tensorborad调式与评估、estimator 以及TensorFlow模型载入、保存以及调用。 3.分析MNIST手写数字识别、Fashion MNIST和 Tensorf1 owRNN简笔画识别示例代码。 教学重点：TensorFlow lite的移动端安卓开 发，TensorFlow..js的卷积网络手写数字识 Tensorflow Lite 别示例。 5 和Tensorf1ow.js 2 教学方法：采用讲解、编程实践和答疑相结合 教学目的：了解和掌握TensorFlow Lite和 TensorFlow.js。 五、各教学环节及学时分配 教学环节及学时 知识模块 教学内容 习 讨 课 课 课 实验（实践） 计 理论基础 深度学习绪论和机器学习概论 6 2 8 神经网络和深度学习 6 6 12 核心知识 Python编程基础 6 10 Tensorflow Lite Tensorflow.js 编程实践 4 6 10 Tensorflow编程、模型以及实践 10 10 20 总复习 4 4 合计 64 六、成绩考核及其基本要求 考核 建议 对应课程 环节 分值 考核/评价细则 目标 出勤及 主要指在课程设计阶段的课堂表现和出勤情况。在本考核环 20 课堂表 节中，课堂表现和出勤各占50%，其中课程设计过程中的表现
序号 教学内容 教学要求（包括重点难点、教学方法、学生掌握的程度等） 对应课程 目标 2. 掌握 TensorFlow 模型构建、TensorFlow 模型训 练、Tensorborad 调式与评估、estimator 以及 TensorFlow 模型载入、保存以及调用。 3. 分析 MNIST 手写数字识别、Fashion MNIST 和 TensorflowRNN 简笔画识别示例代码。 5 Tensorflow Lite 和 Tensorflow.js 教学重点：TensorFlow lite 的移动端安卓开 发，TensorFlow.js 的卷积网络手写数字识 别示例。 教学方法：采用讲解、编程实践和答疑相结合 教学目的：了解和掌握 TensorFlow Lite 和 TensorFlow.js。 2 五、各教学环节及学时分配 知识模块 教学内容 教学环节及学时 讲 授 课 习 题 课 讨 论 课 实 验 （ 实 践 ） 合 计 理论基础 深度学习绪论和机器学习概论 6 2 8 核心知识 神经网络和深度学习 6 6 12 Python 编程基础 4 6 10 编程实践 Tensorflow Lite 和 Tensorflow.js 4 6 10 Tensorflow 编程、模型以及实践 10 10 20 总复习 4 4 合计 64 六、成绩考核及其基本要求 考核 环节 建议 分值 考核/评价细则 对应课程 目标 出勤及 课堂表 20 主要指在课程设计阶段的课堂表现和出勤情况。在本考核环 节中，课堂表现和出勤各占 50%，其中课程设计过程中的表现 1
考核 建议 对应课程 考核/评价细则 环节 分值 目标 现 由各组长评分，各组长日常表现则由教师评分。 个人承 工作量得分取决于学生在组内承担的任务以及所选题目的难 担的工 10 易程度。一般情况下可以依据所承担的模块的数量及重要程 作量 度，并结合最终代码行数作为实际工作量评估，酌情给分。 (1)很好的完成了所承担的设计任务，设计有新意，程序调 试顺利， 结果正确，回答提问准确，90100分。 (2)较好地完成了所承担的设计任务，设计完全，程序调试 较顺利， 结果正确，回答问题准确，8089分。 作品验 40 (3)能够完成所承担的设计任务，经提示程序调试通过，结 1、2 收成绩 果正确， 回答问题基本准确，7079分。 (4)设计没有严重错误，经老师指导调试成功，结果正确， 能够回答 基本问题，60^69分。 (5)不能独立完成设计任务，不及格处理。 设计报 设计报告成绩计算方法如下：格式是否规范(30%)、 内 告及其 容是否正确(30%)、报告是否完整(40%)来决定 他文档 30 1、2 完成情 况 七、主要教学参考资源 推荐参考资料： (1)《Python深度学习-基于TensorF1ow》吴茂贵主编，机械工业出版社，2020.11 (2)《大数据搜索与挖掘》张华平著，科学出版社，2014.5 (3)《云计算与大数据技术》王鹏等编著.人民邮电出版社.2014.5月 教学参考资源： https:/www.csdn.net/nav/java7spm=1000.2115.3001.4125(IT技术论坛) https://www.icourse163.org/learn/XMU-1002335004#/learn/announce
考核 环节 建议 分值 考核/评价细则 对应课程 目标 现 由各组长评分，各组长日常表现则由教师评分。 个人承 担的工 作量 10 工作量得分取决于学生在组内承担的任务以及所选题目的难 易程度。一般情况下可以依据所承担的模块的数量及重要程 度，并结合最终代码行数作为实际工作量评估，酌情给分。 2 作品验 收成绩 40 （1）很好的完成了所承担的设计任务，设计有新意，程序调 试顺利， 结果正确，回答提问准确，90~100 分。 （2）较好地完成了所承担的设计任务，设计完全，程序调试 较顺利， 结果正确，回答问题准确，80~89 分。 （3）能够完成所承担的设计任务，经提示程序调试通过，结 果正确， 回答问题基本准确，70~79 分。 （4）设计没有严重错误，经老师指导调试成功，结果正确， 能够回答 基本问题，60~69 分。 （5）不能独立完成设计任务，不及格处理。 1、2 设计报 告及其 他文档 完成情 况 30 设计报告成绩计算方法如下： 格式是否规范 （30%） 、 内 容是否正确 （30%） 、报告是否完整（40%）来决定 1、2 七、主要教学参考资源 推荐参考资料： （1）《Python 深度学习-基于 TensorFlow》吴茂贵主编，机械工业出版社，2020.11 （2）《大数据搜索与挖掘》张华平著，科学出版社，2014.5 （3）《云计算与大数据技术》王鹏等编著.人民邮电出版社. 2014.5 月 教学参考资源： https://www.csdn.net/nav/java?spm=1000.2115.3001.4125（IT 技术论坛） https://www.icourse163.org/learn/XMU-1002335004#/learn/announce （中国