一、课程简介

本课程是专业核心课程。介绍多层神经网络的计算，图像分类识别，卷积运算，卷积神经网络，循环神经网络，迁移学习、生成对抗网络等，以及Tensorflow和PyTorch在机器学习和深度学习中的应用。

二、教学目标

学生通过本课程的学习，将具备以下知识、能力、素质，能够：

1. 理解多层神经网络、卷积神经网络、循环神经网络的结构

2. 理解影响神经网络计算收敛的主要因素

3. 能够使用编码或Tensorflow来构建神经网络模型尤其是分类模型

三、教学内容及安排

四、考核方式与成绩评定

本课程考核方式包括理论考核(占50%)和实践考核(占50%)两部分：

理论考核采用笔试考试(或在线答题)，满分100分，采用选择、填空、判断、问答等题型，从配套题库中抽取。

实践考核采用课程中各项作业的平均成绩，满分100分。评分标准参考各项作业的任务说明。

     五、参考书目

本课程不设置参考书，可参考官方文档。