深度学习技术及其应用课程教学大纲

Course Outline

课程基本信息（Course Information） *学时 课程代码 （Course Code） *学分 MS318 （Credit Hours） *课程名称 （Course Title） *课程性质 选修课 （Course Type） 授课对象 本科生 （Target Audience） *授课语言 (Language of Instruction) *开课院系 致远学院 （School） 先修课程 线性代数、概率论、微积分、计算机程序设计 （Prerequisite） 授课教师 俞凯 （Instructor） (Course Webpage) 本课程将全面的介绍近年发展起来的基于神经网络的深度学习技术的基本概念，主要结构，核心方法和关键应用。主要内容包括：机器学习和神经网络的基本概念和算法，深度学习的主流结构及多种不同的激活函数，深度学习的实用算法细课程简介（Description） 节，深度学习的应用例子。通过课程的学习，使同学们巩固基础数学及机器学习的基本概念和算法；掌握神经网络基本概念；掌握深度学习中的主要网络结构的基本概念和相关算法；了解具体应用领域的背景知识、应用相关的深度学习技术；掌握通用深度学习网络的参数训练、深度学习的结构变种、序列级深度学习的训课程网址 英语 （中文）深度学习技术及其应用 （英文）Deep Learning and Its Applications 32 （Credits） 2 练和使用。 This course will give a full picture of recently developed deep learning techniques. Basic concepts, main structures, core algorithms and key applications will be introduced in detail. Content includes: basic concepts and algorithms of machine learning and neural networks, popular network structures and activation functions of deep learning, algorithm details of deep learning and key application cases. The course will help students consolidate the knowledge of basic mathematics and fundamentals *课程简介（Description） of machine learning; know the concepts of neural network; understand the main-stream techniques of deep learning including deep neural network (DNN), convolutional neural network (CNN) and recurrent neural network (RNN); learn the applications of deep learning including speech recognition, image recognition and natural language processing; learn the advances of deep learning including computational network, structured deep learning and sequence-to-sequence learning. 课程教学大纲（course syllabus） 1．巩固基础数学及机器学习的基本概念和算法。 2．掌握神经网络基本概念。 *学习目标(Learning Outcomes) 3．掌握深度学习中的主要网络结构的基本概念和相关算法。 4．了解具体应用领域的背景知识、应用相关的深度学习技术。 5. 掌握通用深度学习网络的参数训练、深度学习的结构变种、序列级深度学习的训练和使用。 *教学内容、进度安排及要求 (Class Schedule &Requirements) 教学内容 基本数学知识复2 习 机器学习基础 2 课堂教学 无 掌握 无 课堂教学 无 掌握 无 学时 教学方式 作业及要求 基本要求 考查方式 神经网络概念 神经网络训练及2 课堂教学 无 掌握 无 2 分析 深度神经网络初2 始化 深度神经网络训2 练 MXNet应用讲座 前沿论文阅读与2 讨论I 深度神经网络语2 音识别应用 卷积神经网络 卷积神经网络图2 像识别应用 循环神经网络 长短时记忆网络 循环神经网络自2 然语言处理应用 结构化深度学习2 和序列深度学习 前沿论文阅读与2 讨论II 课堂教学 无 掌握 无 课堂教学 无 掌握 无 课堂教学 小作业 掌握 作业 2 讲座 无 掌握 作业 课堂讨论 演讲 掌握 演讲 课堂教学 无 掌握 无 2 课堂教学 小作业 掌握 作业 课堂教学 无 掌握 作业 2 2 课堂教学 课堂教学 无 小作业 掌握 掌握 无 作业 课堂教学 无 掌握 无 课堂教学 无 掌握 无 课堂讨论 演讲 掌握 演讲 *考核方式 100%为平时成绩（小作业40%，大作业40%，演讲20%，课堂表现5%额外分数） (Grading) *教材或参考资料 (Textbooks & Other Materials) 1. Christopher Bishop. Pattern Recognition and Machine Learning. Springer Press. 2. Dong Yu and Li Deng. Automatic Speech Recognition - A Deep Learning Approach. Springer Press. 3. Li Deng and Dong Yu. Deep Learning Methods and Applications. Now Publisher. Yoshua Bengio. Learning Deep Architectures for AI. Now Publisher. 5. Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. 其它 （More） 备注 （Notes） 备注说明：

1．带*内容为必填项。

2．课程简介字数为300-500字；课程大纲以表述清楚教学安排为宜，字数不限。