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