1、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）课程代码（Course Code） MS318*学时（ Credit Hours）32 *学分（Credits ） 2（中文）深度学习技术及其应用*课程名称（Course Title） （英文）Deep Learning and Its Applications*课程性质（Course Type） 选修课授课对象（ Target Audience）本科生*授课语言(Language of Instruction)英语*开课院系（School） 致远学院先修课程（Prerequisit
2、e） 线性代数、概率论、微积分、计算机程序设计授课教师（Instructor） 俞凯课程网址(Course Webpage)https:/ Description）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
3、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。*课程简介（ Description）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 lear
4、ning 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 of machine learning; know the concepts of neural
5、 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
6、the advances of deep learning including computational network, structured deep learning and sequence-to-sequence learning.课程教学大纲（course syllabus）*学习目标(Learning Outcomes)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。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
7、学内容、进度安排及要求(Class Schedule&Requirements)教学内容 学时 教学方式 作业及要求 基本要求 考查方式基本数学知识复习 2 课堂教学 无 掌握 无机器学习基础 2 课堂教学 无 掌握 无神经网络概念 2 课堂教学 无 掌握 无神经网络训练及分析 2 课堂教学 无 掌握 无深度神经网络初始化 2 课堂教学 无 掌握 无深度神经网络训练 2 课堂教学 小作业 掌握 作业MXNet 应用讲座 2 讲座 无 掌握 作业前沿论文阅读与讨论 I 2 课堂讨论 演讲 掌握 演讲深度神经网络语音识别应用 2 课堂教学 无 掌握 无卷积神经网络 2 课堂教学 小作业 掌握 作业
8、卷积神经网络图像识别应用 2 课堂教学 无 掌握 作业循环神经网络 2 课堂教学 无 掌握 无长短时记忆网络 2 课堂教学 小作业 掌握 作业循环神经网络自然语言处理应用 2 课堂教学 无 掌握 无结构化深度学习和序列深度学习 2 课堂教学 无 掌握 无前沿论文阅读与讨论 II 2 课堂讨论 演讲 掌握 演讲*考核方式(Grading) 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）*教材或参考资料(Textbooks & Other Materials)1. Christopher Bishop. Pattern Recognition and M
9、achine 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. http:/ Yoshua Bengio. Learning Deep Architectures for AI. Now Publisher.5. Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning. MIT Press. http:/www.deeplearningbook.org/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。
