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