• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      新工科背景下神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程建設(shè)研究

      2024-01-27 17:24:15張澤宇艾西丁·艾克白爾迪力夏提·多力昆孟小艷程曦
      電腦知識(shí)與技術(shù) 2023年36期
      關(guān)鍵詞:混合式教學(xué)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

      張澤宇 艾西丁·艾克白爾 迪力夏提·多力昆 孟小艷 程曦

      摘要:基于新工科建設(shè)要求,分析人工智能專業(yè)課程建設(shè)及本科生專業(yè)能力培養(yǎng)中存在的問題。提出結(jié)合案例的混合式教學(xué)模式,通過設(shè)計(jì)課程案例,借助人工智能教學(xué)實(shí)驗(yàn)平臺(tái),突出學(xué)生以案例實(shí)踐為主體的教學(xué)方式。以神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程為例,從線上課程資源建設(shè)、實(shí)驗(yàn)案例設(shè)計(jì)、教學(xué)實(shí)施、考核評價(jià)四個(gè)方面闡述課程建設(shè)主要內(nèi)容。

      關(guān)鍵詞:混合式教學(xué);神經(jīng)網(wǎng)絡(luò);深度學(xué)習(xí);實(shí)驗(yàn)案例

      中圖分類號(hào):G642? ? ? 文獻(xiàn)標(biāo)識(shí)碼:A

      文章編號(hào):1009-3044(2023)36-0131-03

      開放科學(xué)(資源服務(wù))標(biāo)識(shí)碼(OSID)

      0 引言

      2010年前后,深度學(xué)習(xí)在各種任務(wù)中都取得了突破性的進(jìn)展,這使得它迅速成為人工智能領(lǐng)域的研究焦點(diǎn)。在圖像分類、目標(biāo)檢測、圖像生成、語義分割還是風(fēng)格遷移等計(jì)算機(jī)視覺任務(wù)中,深度學(xué)習(xí)已成為主流方法[1]。深度學(xué)習(xí)模型,特別是卷積神經(jīng)網(wǎng)絡(luò)(CNN),取得了前所未有的性能優(yōu)勢。同時(shí),深度學(xué)習(xí)在自然語言處理領(lǐng)域中也取得了廣泛的應(yīng)用,如BERT、GPT和T5等Transformer-based模型。生成模型領(lǐng)域中,生成對抗網(wǎng)絡(luò)(GAN)和變分自編碼器(VAE)等生成模型在圖像生成、藝術(shù)創(chuàng)作和數(shù)據(jù)增強(qiáng)等領(lǐng)域都表現(xiàn)出強(qiáng)大的能力[2]。隨著深度學(xué)習(xí)的發(fā)展,專門針對深度學(xué)習(xí)計(jì)算的硬件如TPU和NVIDIA的各種GPU也得到了迅猛的發(fā)展。此外,開源深度學(xué)習(xí)框架TensorFlow、PyTorch及MXNet使得深度學(xué)習(xí)的開發(fā)和研究變得更加便捷。

      神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程是面向本科生的專業(yè)選修課程,課程采用混合式教學(xué)模式建設(shè)。課程以合理規(guī)劃與重構(gòu)教學(xué)內(nèi)容為切入點(diǎn),突出教學(xué)內(nèi)容設(shè)計(jì)的針對性與差異化特征,建設(shè)外延寬、內(nèi)涵深、時(shí)效性強(qiáng)的完備課程資源知識(shí)體系,以期能夠有效激發(fā)學(xué)生學(xué)習(xí)興趣與探索精神。

      1 一級(jí)標(biāo)題

      教學(xué)模式單一:傳統(tǒng)教學(xué)模式中,學(xué)生往往是被動(dòng)的知識(shí)接受者,單一的教學(xué)模式會(huì)導(dǎo)致教學(xué)內(nèi)容和方法變得重復(fù)和單調(diào),降低學(xué)生的學(xué)習(xí)興趣和積極性[3]。教學(xué)過程中,書本和紙質(zhì)教材是主要的學(xué)習(xí)資源,而人工智能技術(shù)日新月異,書本內(nèi)容可能很快會(huì)過時(shí),學(xué)生在教室或圖書館中閱讀教科書和參考書籍,缺乏相關(guān)前沿技術(shù)學(xué)習(xí)資源。

      數(shù)學(xué)基礎(chǔ)薄弱:人工智能是一個(gè)高度技術(shù)化和數(shù)學(xué)化的領(lǐng)域,涉及許多數(shù)學(xué)知識(shí),如線性代數(shù)、統(tǒng)計(jì)學(xué)、微積分等。然而,許多學(xué)生在選擇人工智能或相關(guān)領(lǐng)域時(shí)可能并不完全意識(shí)到其背后的數(shù)學(xué)要求,在之前的學(xué)習(xí)中沒有獲得足夠堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ),導(dǎo)致課程內(nèi)容理解困難[4]。

      側(cè)重理論知識(shí)講解,難以與實(shí)際工程接軌:“新工科”是教育界和工業(yè)界針對傳統(tǒng)工程教育的一種創(chuàng)新和補(bǔ)充,旨在更好地適應(yīng)現(xiàn)代社會(huì)的發(fā)展需求和工業(yè)變革。教學(xué)模式過于重視理論知識(shí)的傳授,忽視實(shí)踐機(jī)會(huì),造成缺乏應(yīng)用所學(xué)知識(shí)的能力,而人工智能課程的學(xué)習(xí)往往需要通過實(shí)踐和實(shí)驗(yàn)來加深理解。課程實(shí)驗(yàn)案例設(shè)計(jì)對計(jì)算機(jī)硬件資源需求較高,個(gè)人計(jì)算機(jī)難以承載實(shí)驗(yàn)項(xiàng)目所需算力,學(xué)生難以高效完成實(shí)驗(yàn)案例[5]。傳統(tǒng)教學(xué)模式往往沒有針對學(xué)生的個(gè)體差異和學(xué)習(xí)風(fēng)格進(jìn)行個(gè)性化調(diào)整。教師往往采取一種統(tǒng)一的教學(xué)方法和節(jié)奏,忽視了學(xué)生的個(gè)體需求和潛在能力,缺乏實(shí)踐和實(shí)驗(yàn)機(jī)會(huì)。

      2 課程資源建設(shè)

      2.1 課程簡介

      神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程面向新疆農(nóng)業(yè)大學(xué)計(jì)算機(jī)與信息工程學(xué)院本科三年級(jí)學(xué)生開設(shè),課程總學(xué)時(shí)為32學(xué)時(shí),其中理論課16學(xué)時(shí),實(shí)驗(yàn)課16學(xué)時(shí)。該課程為計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)、物聯(lián)網(wǎng)工程專業(yè)、電子科學(xué)技術(shù)專業(yè)、人工智能專業(yè)的專業(yè)選修課程。課程教學(xué)內(nèi)容包括深度學(xué)習(xí)基本概念、算法、原理及相關(guān)技術(shù),神經(jīng)網(wǎng)絡(luò)的基本概念、網(wǎng)絡(luò)模型、數(shù)據(jù)集及主流框架,經(jīng)典神經(jīng)網(wǎng)絡(luò)模型等。

      2.2 教學(xué)內(nèi)容

      神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程旨在培養(yǎng)學(xué)生獨(dú)立建立、訓(xùn)練和應(yīng)用深度學(xué)習(xí)模型能力。課程涉及計(jì)算機(jī)視覺、自然語言處理,生成式模型的基本任務(wù)模型,并融合神經(jīng)網(wǎng)絡(luò)相關(guān)的基礎(chǔ)數(shù)學(xué)概念。課程團(tuán)隊(duì)經(jīng)過深度調(diào)研,分析研究Coursera、Edx等平臺(tái)在線課程的內(nèi)容設(shè)計(jì)、組織方法,研讀人工智能技術(shù)叢書,結(jié)合學(xué)院學(xué)生實(shí)際學(xué)情,規(guī)劃與重構(gòu)教學(xué)內(nèi)容,以培養(yǎng)應(yīng)用型人才為目標(biāo),由易到難,層層深入。課程教學(xué)內(nèi)容分為8個(gè)章節(jié),課程教學(xué)內(nèi)容如表1所示。

      2.3 線上資源建設(shè)

      線上資源為課程提供更加豐富和靈活的學(xué)習(xí)方式,線上課程平臺(tái)使用新農(nóng)慕課網(wǎng)站,平臺(tái)功能包括:閱讀材料,課程資料、實(shí)驗(yàn)指導(dǎo)書,相關(guān)研究論文[6]、定期發(fā)布作業(yè)題目、項(xiàng)目要求等,并提供提交通道,每章節(jié)內(nèi)容對應(yīng)20題客觀題目。平臺(tái)外部資源鏈接到人工智能教學(xué)實(shí)驗(yàn)平臺(tái),為課程提供GPU算力資源。學(xué)生完成一章學(xué)習(xí)內(nèi)容后,可以查看自己的學(xué)習(xí)進(jìn)度、實(shí)驗(yàn)成績和小測驗(yàn)結(jié)果。

      2.4 實(shí)驗(yàn)案例設(shè)計(jì)

      1)課程項(xiàng)目式綜合實(shí)驗(yàn)設(shè)計(jì)

      項(xiàng)目式綜合實(shí)驗(yàn)設(shè)計(jì)旨在通過實(shí)際項(xiàng)目來整合與應(yīng)用所學(xué)的知識(shí),提高學(xué)生實(shí)踐能力、團(tuán)隊(duì)協(xié)作能力和創(chuàng)新能力。課程組教師設(shè)計(jì)7個(gè)相關(guān)實(shí)驗(yàn),具體內(nèi)容如下。

      ①實(shí)驗(yàn)一:全連接網(wǎng)絡(luò)模型實(shí)現(xiàn)波士頓房價(jià)預(yù)測。實(shí)驗(yàn)內(nèi)容包括深度學(xué)習(xí)框架Pytorch本地開發(fā)環(huán)境搭建,學(xué)習(xí)使用PyCharm集成開發(fā)環(huán)境,學(xué)習(xí)人工智能教學(xué)實(shí)驗(yàn)平臺(tái)。使用Pytorch定義一個(gè)全連接神經(jīng)網(wǎng)絡(luò),使用均方差損失函數(shù)MSE,解決回歸問題,實(shí)現(xiàn)波士頓房價(jià)預(yù)測。

      ②實(shí)驗(yàn)二:基于DenseNet的CIFAR10圖像分類。實(shí)驗(yàn)內(nèi)容包括使用Pytorch搭建DenseNet網(wǎng)絡(luò)模型進(jìn)行圖像分類?;仡櫨矸e神經(jīng)網(wǎng)絡(luò)基礎(chǔ),包括卷積運(yùn)算、池化運(yùn)算、激活函數(shù),損失函數(shù)等基礎(chǔ)知識(shí)。創(chuàng)建自定義的nn.Module的子類,學(xué)習(xí)密集模塊(Dense Block)、Transition模塊,Bottleneck模塊,根據(jù)課程內(nèi)容創(chuàng)建DenseNet網(wǎng)絡(luò)模型,實(shí)現(xiàn)CIFAR10數(shù)據(jù)集圖像分類。

      ③實(shí)驗(yàn)三:基于ShuffleNet的CIFAR100圖像分類。實(shí)驗(yàn)內(nèi)容包括使用Pytorch搭建ShuffleNet網(wǎng)絡(luò)模型進(jìn)行圖像分類及網(wǎng)絡(luò)優(yōu)化與正則化方法。在深度學(xué)習(xí)中,隨著模型復(fù)雜度的增加,模型可能在訓(xùn)練集上表現(xiàn)得越來越好,但在測試集上的表現(xiàn)可能不佳。這種情況被稱為過擬合。為了避免過擬合并優(yōu)化網(wǎng)絡(luò)性能,引入優(yōu)化和正則化方法,對比不同優(yōu)化器與歸一化方法,驗(yàn)證對模型訓(xùn)練的影響。學(xué)習(xí)分組卷積及通道重排技術(shù),搭建ShuffleNet模型實(shí)現(xiàn)CIFAR100數(shù)據(jù)集圖像分類。

      ④實(shí)驗(yàn)四:循環(huán)神經(jīng)網(wǎng)絡(luò)RNN實(shí)現(xiàn)手寫數(shù)字識(shí)別。實(shí)驗(yàn)內(nèi)容包括使用Pytorch搭建循環(huán)神經(jīng)網(wǎng)絡(luò)進(jìn)行手寫數(shù)字識(shí)別。知識(shí)點(diǎn)包含:隨時(shí)間反向傳播算法實(shí)現(xiàn),RNN長程依賴問題解決方法,循環(huán)單元、隱狀態(tài)和序列建模等概念,對比RNN與CNN的不同,使用RNN實(shí)現(xiàn)圖像數(shù)據(jù)手寫數(shù)字識(shí)別。

      ⑤實(shí)驗(yàn)五:長短期記憶網(wǎng)絡(luò)LSTM、門控循環(huán)單元GRU模型實(shí)現(xiàn)Google股票價(jià)格預(yù)測。實(shí)驗(yàn)內(nèi)容包括使用Pytorch搭建LSTM、GRU模型,數(shù)據(jù)預(yù)處理,模型訓(xùn)練,模型評估,模型預(yù)測股票價(jià)格,要求學(xué)生重點(diǎn)掌握門控機(jī)制和參數(shù)更新方式。

      ⑥實(shí)驗(yàn)六:基于Transformer的機(jī)器翻譯。實(shí)驗(yàn)內(nèi)容包括使用Pytorch實(shí)現(xiàn)Transformer的組件,實(shí)現(xiàn)英文翻譯成中文功能。要求學(xué)生了解:自注意力機(jī)制 (Self-Attention) 、位置編碼 (Positional Encoding)、 多頭注意力 (Multi-head Attention) 、前饋網(wǎng)絡(luò)、規(guī)范化和殘差連接,Transformer中的編碼器與解碼器結(jié)構(gòu)。

      ⑦實(shí)驗(yàn)七:基于DCGAN的人臉圖像生成模型實(shí)現(xiàn)。實(shí)驗(yàn)內(nèi)容包括用Pytorch實(shí)現(xiàn)生成器與判別器,掌握對抗訓(xùn)練過程,使用生成器生成新的數(shù)據(jù)并進(jìn)行可視化。

      2)課程項(xiàng)目式綜合實(shí)驗(yàn)設(shè)計(jì)

      將思想政治教育融入人工智能系列課程,確保學(xué)生在掌握這一前沿技術(shù)的同時(shí),能夠具備深刻的倫理意識(shí)和社會(huì)責(zé)任感[7]。通過實(shí)驗(yàn)案例分析技術(shù)與社會(huì)之間的相互影響,探討技術(shù)與社會(huì)的歷史關(guān)系,分析人工智能如何改變我們的生活、工作和娛樂。討論技術(shù)進(jìn)步對社會(huì)的正面和負(fù)面影響,包括數(shù)據(jù)的獲取、使用和存儲(chǔ)背后的倫理問題。討論數(shù)據(jù)隱私、安全性和數(shù)據(jù)擁有權(quán),提升國家安全保護(hù)意識(shí)。強(qiáng)調(diào)在技術(shù)項(xiàng)目中團(tuán)隊(duì)合作的重要性,以及與非技術(shù)人員溝通的技巧,培養(yǎng)學(xué)生的人文關(guān)懷和社會(huì)責(zé)任感。融合思政教育的專業(yè)課程不僅可以培養(yǎng)學(xué)生的專業(yè)技能,還可以培養(yǎng)其全面的人文素養(yǎng)、社會(huì)責(zé)任感和批判性思維能力,為其成為新時(shí)代的優(yōu)秀人才打下堅(jiān)實(shí)基礎(chǔ)。

      3 教學(xué)實(shí)施

      混合式教學(xué)模式結(jié)合了傳統(tǒng)的面對面教學(xué)方法和線上教學(xué)方法[8]。學(xué)生課前登錄新農(nóng)慕課平臺(tái)瀏覽本周學(xué)習(xí)內(nèi)容,閱讀相關(guān)知識(shí)點(diǎn)和概念,通過觀看視頻、閱讀材料,對學(xué)習(xí)內(nèi)容做初步預(yù)習(xí)工作,完成客觀題小測驗(yàn)任務(wù)。線下理論課課程,教師對章節(jié)知識(shí)點(diǎn)進(jìn)行講解,明確學(xué)生在課程結(jié)束后掌握的核心概念和技能。學(xué)生在課前通過視頻、文本和其他在線資源進(jìn)行自主學(xué)習(xí),理論課程由專業(yè)老師進(jìn)行講解,實(shí)驗(yàn)課用于學(xué)生討論、實(shí)踐和深入學(xué)習(xí),完成章節(jié)的實(shí)驗(yàn)任務(wù)。

      人工智能(AI)課程的實(shí)踐部分對學(xué)生理解理論知識(shí)和獲得實(shí)踐技能至關(guān)重要[9]。將理論應(yīng)用到實(shí)際問題中是理解AI的關(guān)鍵。為兼顧學(xué)生在數(shù)學(xué)基礎(chǔ)以及編程能力上的差異性,課程第一章為學(xué)生系統(tǒng)地介紹深度學(xué)習(xí)數(shù)學(xué)基礎(chǔ)以及深度學(xué)習(xí)框架Pytorch原理,為理解后續(xù)算法做好必要準(zhǔn)備。完成理論課學(xué)習(xí)后,通過實(shí)驗(yàn)加深理論理解,將理論應(yīng)用于實(shí)際問題可以幫助學(xué)生更好地理解和記憶抽象的概念和算法。課程實(shí)驗(yàn)可以使學(xué)生直觀地看到算法的工作方式和其對數(shù)據(jù)的影響。學(xué)生需要具備數(shù)據(jù)處理、編程、模型調(diào)優(yōu)等實(shí)踐技能。在實(shí)驗(yàn)中,學(xué)生可以嘗試新的方法、改進(jìn)算法或設(shè)計(jì)自己的模型。學(xué)生在實(shí)驗(yàn)中可能會(huì)遇到各種挑戰(zhàn),例如數(shù)據(jù)問題、代碼錯(cuò)誤或模型不收斂。解決這些問題的過程幫助學(xué)生培養(yǎng)問題解決的技巧和耐心。實(shí)驗(yàn)允許學(xué)生對比不同的方法、評估模型的性能和理解其局限性,有助于培養(yǎng)學(xué)生的批判性思維和評估技能。

      由于深度學(xué)習(xí)模型通常需要大量的計(jì)算資源,GPU算力平臺(tái)可以顯著加速模型的訓(xùn)練時(shí)間,從而使學(xué)生能夠在更短的時(shí)間內(nèi)看到結(jié)果,這對于激發(fā)學(xué)生的興趣和保持他們的注意力至關(guān)重要。課程實(shí)驗(yàn)使用人工智能教學(xué)實(shí)驗(yàn)平臺(tái),為學(xué)生提供線上GPU算力資源,平臺(tái)滿足50名學(xué)生同時(shí)運(yùn)行網(wǎng)絡(luò)訓(xùn)練,平均分配顯存資源16GB,完全適配實(shí)驗(yàn)項(xiàng)目及課程考核案例算力資源需求。所有學(xué)生都可以使用相同的性能資源,而不是依賴于他們個(gè)人的計(jì)算機(jī)硬件。學(xué)生能夠隨時(shí)隨地訪問和使用高性能計(jì)算資源,確保學(xué)生能獲得最佳的學(xué)習(xí)經(jīng)驗(yàn)。

      4 考核評價(jià)

      神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程的考核評價(jià)綜合反映學(xué)生在理論知識(shí)、實(shí)際應(yīng)用和創(chuàng)新能力上的表現(xiàn)。課程采用過程性考核,側(cè)重于學(xué)生學(xué)習(xí)過程中的持續(xù)性評估,而不僅僅是最終結(jié)果。成績由平時(shí)成績和課程設(shè)計(jì)成績兩部分組成,其中平時(shí)成績占比70%,包含周測驗(yàn)成績21%和實(shí)驗(yàn)成績49%,課程設(shè)計(jì)成績占30%。周測驗(yàn)成績來自每周20題客觀題目,由新農(nóng)慕課平臺(tái)自動(dòng)判分。實(shí)驗(yàn)成績由7章實(shí)驗(yàn)構(gòu)成,學(xué)生使用人工智能教學(xué)實(shí)驗(yàn)平臺(tái)完成對應(yīng)實(shí)驗(yàn),提交實(shí)驗(yàn)代碼與結(jié)果至新農(nóng)慕課平臺(tái),由任課老師進(jìn)行批改。課程設(shè)計(jì)三人一組,題目選自課程考核案例,要求學(xué)生撰寫課程設(shè)計(jì)報(bào)告,并以小組的形式答辯。

      5 結(jié)語

      新工科背景下,人工智能課程建設(shè)對于培養(yǎng)具有高水平的創(chuàng)新能力和實(shí)踐能力的工程技術(shù)人才具有重要的意義。本文以神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)課程為例,對新工科背景下人工智能課程的建設(shè)進(jìn)行了深入研究。首先對課程設(shè)置、教學(xué)內(nèi)容、實(shí)驗(yàn)案例設(shè)計(jì),教學(xué)方法等進(jìn)行了全面的梳理和優(yōu)化。課程引入了項(xiàng)目導(dǎo)向?qū)W習(xí)和在線學(xué)習(xí)資源,以增強(qiáng)學(xué)生的學(xué)習(xí)體驗(yàn)和學(xué)習(xí)效果。同時(shí),根據(jù)學(xué)生的背景和需求對課程內(nèi)容進(jìn)行了合理的調(diào)整,強(qiáng)化了基礎(chǔ)理論知識(shí)和實(shí)踐應(yīng)用技能的結(jié)合。其次,課程開展了系列實(shí)驗(yàn)、項(xiàng)目案例,為學(xué)生提供了充分的實(shí)踐機(jī)會(huì),激發(fā)了學(xué)生的創(chuàng)新意識(shí)和實(shí)踐能力。最后,對課程的效果進(jìn)行了評估和總結(jié)。通過評估學(xué)生的成績、滿意度和實(shí)際創(chuàng)新成果。學(xué)生的學(xué)習(xí)積極性、學(xué)習(xí)效果和實(shí)踐能力都得到了很大的提升。人工智能課程建設(shè)是一個(gè)持續(xù)的過程,需要不斷地探索和實(shí)踐。后續(xù)會(huì)繼續(xù)關(guān)注人工智能領(lǐng)域的發(fā)展趨勢,進(jìn)一步優(yōu)化課程設(shè)置和教學(xué)方法,為培養(yǎng)更多的高水平人工智能工程技術(shù)人才做出更大的貢獻(xiàn)。

      參考文獻(xiàn):

      [1] 付文博,孫濤,梁藉,等.深度學(xué)習(xí)原理及應(yīng)用綜述[J].計(jì)算機(jī)科學(xué),2018,45(S1):11-15,40.

      [2] 賴麗娜,米瑜,周龍龍,等.生成對抗網(wǎng)絡(luò)與文本圖像生成方法綜述[J].計(jì)算機(jī)工程與應(yīng)用,2023,59(19):21-39.

      [3] 白雙,梁晨.“深度學(xué)習(xí)算法與實(shí)現(xiàn)” 研究生課程的教學(xué)探索與實(shí)踐[J].工業(yè)和信息化教育,2023(5):21-25.

      [4] 羅秀麗,陳平.產(chǎn)教融合背景下“神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)” 課程教學(xué)改革[J].工業(yè)和信息化教育,2022(11):17-21.

      [5] 胡臻龍.基于飛槳AI Studio平臺(tái)的人工智能類課程線上線下融合式教學(xué)模式[J].計(jì)算機(jī)教育,2023(5):130-134.

      [6] 柯春艷,靳晟,馮向萍.新工科背景下物聯(lián)網(wǎng)工程課程建設(shè)研究——以Arduino應(yīng)用開發(fā)課程為例[J].物聯(lián)網(wǎng)技術(shù),2021,11(11):124-127.

      [7] 崔正賢,馬萬利.人工智能賦能課程思政改革研究[J].教育理論與實(shí)踐,2023,43(12):33-36.

      [8] 楊樂,施俊林,朱穎雯.MOOC環(huán)境下大數(shù)據(jù)專業(yè)混合式教學(xué)模式研究[J].江西廣播電視大學(xué)學(xué)報(bào),2023,25(2):29-34.

      [9] 高岳,楊小康.前沿導(dǎo)向的人工智能課程內(nèi)容重構(gòu)——以上海交通大學(xué)“人工智能理論及應(yīng)用” 課程為例[J].高等工程教育研究,2022(6):52-55.

      【通聯(lián)編輯:王 力】

      猜你喜歡
      混合式教學(xué)深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
      神經(jīng)網(wǎng)絡(luò)抑制無線通信干擾探究
      電子制作(2019年19期)2019-11-23 08:42:00
      MOOC與翻轉(zhuǎn)課堂融合的深度學(xué)習(xí)場域建構(gòu)
      大數(shù)據(jù)技術(shù)在反恐怖主義中的應(yīng)用展望
      基于SPOC平臺(tái)的混合式教學(xué)模式研究和實(shí)踐
      基于SPOC模式的《大學(xué)計(jì)算機(jī)基礎(chǔ)》課程改革的研究
      考試周刊(2016年85期)2016-11-11 00:35:30
      淺論在混合式教學(xué)模式下高職思政課評價(jià)體系的構(gòu)建
      深度學(xué)習(xí)算法應(yīng)用于巖石圖像處理的可行性研究
      基于深度卷積網(wǎng)絡(luò)的人臉年齡分析算法與實(shí)現(xiàn)
      軟件工程(2016年8期)2016-10-25 15:47:34
      《C語言程序設(shè)計(jì)》課程的教學(xué)改革與實(shí)踐
      科技視界(2016年22期)2016-10-18 16:12:24
      基于神經(jīng)網(wǎng)絡(luò)的拉矯機(jī)控制模型建立
      云霄县| 湖南省| 定襄县| 德庆县| 营山县| 定远县| 韶关市| 罗江县| 武城县| 乌什县| 吉木萨尔县| 河津市| 华坪县| 郓城县| 武鸣县| 高雄市| 永嘉县| 密山市| 板桥市| 伊春市| 合阳县| 通化市| 五家渠市| 苍梧县| 金华市| 剑河县| 突泉县| 宜丰县| 普兰县| 静乐县| 广丰县| 吉木乃县| 扎赉特旗| 普陀区| 绥中县| 中江县| 金平| 松潘县| 崇文区| 龙南县| 定边县|