2.2 第人章 毕业婴求6 23 第六章、第七章、第九章 毕业要求6 三、教学内容 第一章绪论 1.数学目标 ()了解人工智使和深度学习技术的发展过程。 (2)理解人工智使、机器学习和深度学习之间的关系。 (3)举nacond由的安装方法。 (4)举报Anaconda Navigator、 n ca由Prt和的使用方法， 2.教学重难点 (1)掌握Anaconda的安装方法 (2)掌和upyter Notebookf的使用方过 3.教学内容 人工智能、机器学习和深度学习之间的关系 Navigator 4.教学方法 讲授与滴示相结合：讲授过程中滴示和的使用方法。 5.教学评价 思考题： (1)简述人工智能和深度学习技术的发展过程。 (2)请描述人工智能、机器学习和深度学习之的关系。 《3)使用Jupyterotb有哪些好处？ 第二章人工神经网络基础 1教学目标 (1)掌提感知器、igmid分类器、50fx分离器、多层感知器的模型架构和工作原理。 (2)读懂感知器、siid分类器、s0x分离器、多层感知器的实现代码. (3)了解深度神经网络的基本知识。 (4)草握利用人工神经网络解决回归问题的原理和代码实现， 2.教学重难点 (1)报梯度下降法进行机器学习的原理 (2)理解各种枝型性能指标。 (3)理解模型的输入和输出。 3教学内容 第一节感知器2.2 第八章 毕业要求6 2.3 第六章、第七章、第九章 毕业要求6 三、教学内容 第一章 绪论 1.教学目标 （1）了解人工智能和深度学习技术的发展过程。 （2）理解人工智能、机器学习和深度学习之间的关系。 （3）掌握Anaconda的安装方法。 （4）掌握Anaconda Navigator、Anaconda Prompt和Jupyter Notebook的使用方法。 2.教学重难点 （1）掌握Anaconda的安装方法 （2）掌握Anaconda Prompt和Jupyter Notebook的使用方法 3.教学内容 第一节 人工智能、机器学习和深度学习 一、人工智能和深度学习技术的发展过程 二、人工智能、机器学习和深度学习之间的关系 第二节 编程环境 一、Anaconda的安装 二、使用Anaconda Navigator 三、使用Anaconda Prompt 四、使用Jupyter Notebook 4.教学方法 讲授与演示相结合：讲授过程中演示Anaconda Prompt和Jupyter Notebook的使用方法。 5.教学评价 思考题： （1）简述人工智能和深度学习技术的发展过程。 （2）请描述人工智能、机器学习和深度学习之间的关系。 （3）使用Jupyter Notebook有哪些好处？ 第二章 人工神经网络基础 1.教学目标 （1）掌握感知器、sigmoid分类器、softmax分离器、多层感知器的模型架构和工作原理。 （2）读懂感知器、sigmoid分类器、softmax分离器、多层感知器的实现代码。 （3）了解深度神经网络的基本知识。 （4）掌握利用人工神经网络解决回归问题的原理和代码实现。 2.教学重难点 （1）掌握梯度下降法进行机器学习的原理。 （2）理解各种模型性能指标。 （3）理解模型的输入和输出。 3.教学内容 第一节 感知器