第 1 页/ 共 6 页 深度学习 一、课程说明 课程编号： 092115Z10 课程名称（中/英文）：深度学习/Deep Learning 课程类别：选修 学时/学分：32/2 先修课程：机器学习、线性代数、概率论与数理统计、高等数学、计算机程序设计基础 适用专业：大数据、计算机科学与技术、智能科学与技术、物联网工程、信息安全 教材、教学参考书： [1] 台湾大学 Machine Learning and having it deep and structured. 毅 http://speech.ee.ntu.edu.tw/~tlkagk/courses_MLDS17.html [2] 《Deep Learning》. Ian Goodfellow，Yoshua Bengio，and Aaron Courville（著）. MIT, 2017 [3] 《机器学习》. 周志华（著）. 清华大学出版社, 2016 [4] 《深度学习:原理与应用实践》. 张重生（著）. 电子工业出版社, 2016 [5] 《Deep Learning: A Practitioner's Approach》. Adam Gibson and Josh Patterson （著）. O'Reilly Media, 2017 [6] 《深度学习儿方法与应用》. 邓力, 俞栋（著）， 谢磊 (译）.机械工业出版社, 2016 [7] 《神经网络与深度学习》. 吴岸城 （著）. 电子工业出版社,2016 二、课程设置的目的意义 本课程是为大数据专业设立的拓展知识体系的专业选修课。深度学习是人工智能特别是机器学习领域近几年兴起的一个研究热点，主要是研究如何利用多层次的深度人工神经网络运用模块化思想自动的学习数据的特征的一种端到端机器学习模式。课程设置的目的是让学生了解深度学习这一机器学习和大数据分析前沿研究领域，从而一方面训练学生的科研思维能力，另一方面为学生在机器学习、大数据分析等领域的创新实践提供创新思维训练。 三、课程的基本要求 知识：掌握单个神经元与逻辑回归的对应关系，以及前向全连通神经网络基本架构；理解深度神经网络的模块化思想；掌握深度学习在训练和测试阶段进行分别优化的技巧（如自适应学习率、正则化、Dropout 等）；掌握卷积神经网络基本思想并学会灵活运用；理解和掌握词嵌入、自编码器、迁徙学习等无监督学习的基本原理；掌握结构化学习的基本概念、原理和框架，并结合循环神经网络进第 2 页/ 共 6 页 一步理解结构化学习的理念；了解和掌握深度强化学习的基本概念和方法。 能力：能够熟练掌握深度学习开发工具（如TensorFlow）的框架，并能够基于深度神经网络设计和实现深度学习应用；能够根据卷积神经网络的3 个属性灵活运用卷积神...
