《深度学习》教学大纲课程名称：深度学习课程类别（必修/选修）：必修课程英文名称：DeepLeaming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Python程序语言、数据结构、基础的数学和统计学知识。后续课程支撑：毕业设计授课地点：机房503授课时间：1-16周星期(7-8节)授课对象：22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：《深度强化学习原理与实践》，陈喆，清华大学出版社，出版日期：2024-05-01，教材ISBN：9787302660705教学参考资料：《PyTorch生成对抗网络编程》，韩江雷，人民邮电出版社，出版日期：2020.12，ISBN：9787115546388课程简介：深度学习极大地推动了AI的发展，使机器能够自动学习数据中的复杂模式，并在多个领域（如计算机视觉、自然语言处理、语音识别等）取得了突破性进展。课程内容将通过讲座、实际项目、案例分析和讨论来传授。学生将有机会使用流行的机器学习工具和框架，例如PyTorch和Scikit-learn，以实际动手经验深化他们的理解。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.交叉知识的运用能力1-工程知识：能够运用数学、基础科学、计算机科掌握深度学习的基本概念和相关技术，了解深度学习在数3（技术工具的应用能力）学与技术、企业互联网平台系统、电子商务信息管1
1 《深度学习》教学大纲 课程名称：深度学习 课程类别（必修/选修）：必修 课程英文名称： Deep Learning 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 Python 程序语言、数据结构、基础的数学和统计学知识。 后续课程支撑：毕业设计 授课时间： 1-16 周星期一(7-8 节) 授课地点：机房 503 授课对象： 22 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：《深度强化学习原理与实践》，陈喆，清华大学出版社，出版日期：2024-05-01，教材 ISBN：9787302660705 教学参考资料：《PyTorch 生成对抗网络编程》，韩江雷，人民邮电出版社，出版日期：2020.12，ISBN：9787115546388 课程简介： 深度学习极大地推动了 AI 的发展，使机器能够自动学习数据中的复杂模式，并在多个领域（如计算机视觉、自然语言处理、语音识别等）取得了突 破性进展。课程内容将通过讲座、实际项目、案例分析和讨论来传授。学生将有机会使用流行的机器学习工具和框架，例如 PyTorch 和 Scikit-learn，以实 际动手经验深化他们的理解。 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： 掌握深度学习的基本概念和相关技术，了解深度学习在数 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
据处理与模式识别中的应用现状、发展前景和研究方向。理与信息系统、电子商务经营管理等相关知识，对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深度学习中的算法设计、分析的能力；同时，培养端设计、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）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）识领域、继续学习并提高业务水平的能力。有效的结论理论教学进程表支撑教学模式周次学时数教学主题授课教师教学内容（重点、难点、课程思政融入点）教学方法课程作业安排线下/混合式目标课后作业：重点：人工智能与深度学习观念剖析难点：人工智能与深度学习的整合性概念1.练习安装课程介绍和深度课程思政融入点：在课程中加入涉及我国2线下课堂讲授目标1杨荣贵Anaconda, PyCharm,1强化学习原理计算机科学家及工程师在对计算机学科发PyTorch。熟悉架构神展作出的贡献和利用人工智能与深度强化经网络的操作学习原理及技术在其他领域应用取得了新2
2 据处理与模式识别中的应用现状、发展前景和研究方向。 理与信息系统、电子商务经营管理等相关知识，对 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： 强化在深度学习中的算法设计、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 课程介绍和深度 强化学习原理 杨荣贵 2 重点；人工智能与深度学习观念剖析 难点：人工智能与深度学习的整合性概念 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深度强化 学习原理及技术在其他领域应用取得了新 线下 课堂讲授 课后作业： 1. 练 习 安 装 Anaconda, PyCharm, PyTorch。熟悉架构神 经网络的操作 目标 1
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，激发学生的爱国热情和民族自豪感。重点：介绍强化学习的原理难点：对于强化学习的应用场景课后作业：强化学习算法初杨荣贵2课堂讲授2线下实作多臂老虎机范课程思政融入点：说明深度强化学习技术探：多臂老虎机例对国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。重点：介绍Gym开发环境的原理难点：对于Gym开发环境的应用场景课后作业：开发环境介绍：2课堂讲授杨荣贵3线下课程思政融入点：说明深度强化学习技术GymGym环境安装对国家AI发展的重要性，激发学生对于技能学习的热情，未来为国家做出贡献。重点：介绍有限马尔可夫决策过程的原理难点：对于有限马尔可夫决策过程的应用课后作业：场景有限马尔可夫决2课堂讲授有限MDP 的基杨荣贵线下4课程思政融入点：培养学生利用循序渐进、策过程本概念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、积鞋步以至千里的理念。目标课后作业：重点：介绍Q-Learning算法2课堂讲授杨荣贵5Q-Learning线下1,2难点：Q-Learning算法的了解实作Q-Learning算法3
3 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 学生的爱国热情和民族自豪感。 2 强化学习算法初 探：多臂老虎机 杨荣贵 2 重点；介绍强化学习的原理 难点：对于强化学习的应用场景 课程思政融入点：说明深度强化学习技术 对国家 AI 发展的重要性，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： 实作多臂老虎机范 例 3 开发环境介绍： Gym 杨荣贵 2 重点；介绍 Gym 开发环境的原理 难点：对于 Gym 开发环境的应用场景 课程思政融入点：说明深度强化学习技术 对国家 AI 发展的重要性，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： Gym 环境安装 4 有限马尔可夫决 策过程 杨荣贵 2 重点；介绍有限马尔可夫决策过程的原理 难点：对于有限马尔可夫决策过程的应用 场景 课程思政融入点：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： 有限 MDP 的基 本概念 5 Q -Learning 杨荣贵 2 重点；介绍 Q -Learning 算法 难点：Q -Learning 算法的了解 线下 课堂讲授 课后作业： 实作 Q -Learning 算法 目标 1, 2
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。重点：介绍深度Q网络算法课后作业：深度Q网络难点：深度Q网络算法的了解目标2线下杨荣贵课堂讲授8(Deep Q-Network,实作DeepQ-Learning课程思政融入点：说明目标检测在国内的1,2DQN)算法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。重点：介绍蒙特卡洛树搜索算法蒙特卡洛树搜索难点：深度MCTS算法的了解目标课后作业：线下课堂讲授杨荣贵12-13（MCTS）和深度课程思政融入点：说明目标检测技术在国1,2实作DMCTS算法学习内的相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。合计16实践教学进程表支撑课项目类型（验证/综合教学周次学时实验项目名称授课教师教学内容（重点、难点、课程思政融入点）设计）方法程目标实验1：掌握在PyTorch下建立强化学习训练智能体的实验示范、方法。强化学习训练智能体玩杨荣贵设计型目标246-7学生操作OpenAIGym经典控制课程思政融入点：培养实事求是的科学态度和职业道德。任务（CartPole）4
4 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。 8 深 度 Q 网 络 (Deep Q-Network, DQN) 杨荣贵 2 重点；介绍深度 Q 网络算法 难点：深度 Q 网络算法的了解 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： 实作 Deep Q-Learning 算法 目标 1, 2 12-13 蒙特卡洛树搜索 （MCTS）和深度 学习 杨荣贵 4 重点；介绍蒙特卡洛树搜索算法 难点：深度 MCTS 算法的了解 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。 线下 课堂讲授 课后作业： 实作 DMCTS 算法 目标 1, 2 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 6-7 实验 1： 强化学习训练智能体玩 OpenAI Gym 经典控制 任务（CartPole） 杨荣贵 4 掌握在 PyTorch 下建立强化学习训练智能体的 方法。 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
掌握在PyTorch下建立DeepQ-Leaming的迷宫实验2：实验示范、路径的方法。杨荣贵设计型目标36基于 Deep Q-Learning 的9-11学生操作课程思政融入点：培养实事求是的科学态度和迷宫路径规划职业道德。掌握在PyTorch下建立多智能体强化学习-自驾车避障的方法。实验3：课程思政融入点：要求学生处理实验数据必须实验示范、设计型目标1杨荣贵14-154多智能体强化学习一学生操作坚持实事求实、严谨的科学态度：要求学生实自驾车避障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。课程思政融入点：培养实事求是的科学态度和2学生操作杨荣贵综合型目标216期末报告职业道德。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2035目标一1-3152-3201535目标二4-13030目标三5
5 9-11 实验 2： 基于 Deep Q-Learning 的 迷宫路径规划 杨荣贵 6 掌握在 PyTorch 下建立 Deep Q-Learning 的迷宫 路径的方法。 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 3 14-15 实验 3： 多智能体强化学习—— 自驾车避障 杨荣贵 4 掌握在 PyTorch 下建立多智能体强化学习—— 自驾车避障的方法。 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 16 期末报告 杨荣贵 2 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 2 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403030100大纲编写时间：2025年2月21日系（部）审查意见：同意系（部）主任签名：日期：2025年2月27日备注：1）提据《东芜理工学院专试管理规定》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。6
6 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 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