Keras與深度學習實戰(zhàn)-教案 黃可坤 第1、2章 深度學習概述、Keras深度學習通用流程

第1章深度學習概述教案課程名稱：Keras與深度學習實戰(zhàn)課程類別：必修適用專業(yè)：大數(shù)據(jù)技術類相關專業(yè)總學時：48學時（其中理論30學時，實驗18學時）總學分：3.0學分本章學時：2學時材料清單《Keras與深度學習實戰(zhàn)》教材。配套PPT。引導性提問。探究性問題。拓展性問題。教學目標與基本要求教學目標主要對深度學習進行了概述介紹。首先介紹深度學習的定義，然后用實例講解深度學習常見應用。介紹深度學習與其他領域的關系，包括計算機視覺、自然語言處理、語音識別等。最后針對深度學習的常用框架及其特點進行了對比，并著重講述Keras框架的接口、特性、安裝方法和框架中的預訓練模型?；疽罅私馍疃葘W習的基本定義。了解深度學習常見的應用。了解深度學習與其他領域的關系。熟悉深度學習框架Keras的常見接口、特性。掌握深度學習框架Keras的安裝方法。問題引導性提問引導性提問需要教師根據(jù)教材內容和學生實際水平，提出問題，啟發(fā)引導學生去解決問題，提問，從而達到理解、掌握知識，發(fā)展各種能力和提高思想覺悟的目的。深度學習能夠做什么？現(xiàn)實生活中存在哪些深度學習技術？Keras框架有哪些優(yōu)勢？探究性問題探究性問題需要教師深入鉆研教材的基礎上精心設計，提問的角度或者在引導性提問的基礎上，從重點、難點問題切入，進行插入式提問。或者是對引導式提問中尚未涉及但在課文中又是重要的問題加以設問。Keras框架有什么特性？深度學習能夠應用在那些場景？預訓練模型有什么作用？拓展性問題拓展性問題需要教師深刻理解教材的意義，學生的學習動態(tài)后，根據(jù)學生學習層次，提出切實可行的關乎實際的可操作問題。亦可以提供拓展資料供學生研習探討，完成拓展性問題。深度學習是不是萬能的？Keras用于做深度學習有哪些優(yōu)勢？主要知識點、重點與難點主要知識點深度學習的基本定義。深度學習常見的應用。深度學習與其他領域的關系。深度學習框架Keras的常見接口、特性。深度學習框架Keras的安裝方法。預訓練模型的概念與使用方法。重點深度學習框架Keras的常見接口、特性。深度學習框架Keras的安裝方法。預訓練模型的概念與使用方法。難點深度學習框架Keras的安裝方法。預訓練模型的概念與使用方法。教學過程設計理論教學過程深度學習的基本定義。深度學習的常見應用。深度學習與其他領域的關系。Keras的常見接口Keras的特性。Keras的安裝方法。預訓練模型的概念。預訓練模型的使用方法。實驗教學過程安裝Keras。使用預訓練模型實現(xiàn)圖片分類。教材與參考資料教材黃可坤，張良均．Keras與深度學習實戰(zhàn)[M]．北京：人民郵電出版社．2023．參考資料[1] 張良均．Python數(shù)據(jù)分析與挖掘實戰(zhàn)[M]．北京：機械工業(yè)出版社．2015．[2] 張良均．Python與數(shù)據(jù)挖掘[M]．北京：機械工業(yè)出版社．2016．第2章Keras深度學習通用流程教案課程名稱：Keras與深度學習實戰(zhàn)課程類別：專業(yè)任選課程適用專業(yè)：信息與計算科學總學時：48學時總學分：3.0學分本章學時：14學時材料清單《Keras與深度學習實戰(zhàn)》教材。配套PPT。引導性提問。探究性問題。拓展性問題。教學目標與基本要求教學目標以手寫數(shù)字識別實例，學習理解和掌握深度學習的通用流程。而后介紹數(shù)據(jù)加載與預處理的函數(shù)常用參數(shù)及其說明。接著介紹選擇合適的模型結構以及優(yōu)化算法構建網絡。列舉常用的優(yōu)化器和損失函數(shù)。緊接著闡述模型訓練和性能評估。最后介紹3種模型的保存與加載方法?；疽螅?）熟悉Keras實現(xiàn)深度學習的流程。（2）掌握利用Keras加載與預處理數(shù)據(jù)的常用方法。（3）掌握利用Keras構建基本神經網絡的方法。（4）掌握利用Keras設置優(yōu)化器和損失函數(shù)的方法。（5）掌握利用Keras評估神經網絡性能的方法。（6）掌握利用Keras保存與加載神經網絡模型的方法。問題引導性提問Keras深度學習通用流程中的第一步是什么？構建一個Keras深度學習模型需要哪些關鍵組件？在Keras中，如何加載和準備數(shù)據(jù)集以供模型訓練？探究性問題在數(shù)據(jù)預處理階段，常用的技術有哪些，它們對模型的訓練性能有何影響？如何理解分批訓練神經網絡？Keras提供了哪些內置的深度學習模型架構？Keras深度學習通用流程中的模型編譯步驟的作用是什么？為什么需要選擇損失函數(shù)和優(yōu)化器？拓展性問題除了訓練模型，你認為在Keras中還有哪些重要的任務或方法可以進一步探索和研究？在模型訓練過程中，有哪些常見的調試技巧可以幫助我們識別和解決問題？Keras深度學習通用流程中的模型評估和預測階段，你覺得如何選擇適當?shù)脑u估指標可以提高模型的效果？主要知識點、重點與難點主要知識點深度學習的通用流程。數(shù)據(jù)加載與預處理的函數(shù)常用參數(shù)及其說明。選擇合適的模型結構構建網絡。選擇合適的優(yōu)化器和損失函數(shù)訓練網絡。利用Keras進行模型調整和性能評估。模型的保存與加載方法。重點數(shù)據(jù)加載與預處理。利用核心層構建神經網絡。設置優(yōu)化器和損失函數(shù)訓練網絡。對網絡進行性能監(jiān)控和回調檢查難點利用核心層構建神經網絡。教學過程設計理論教學過程深度學習的通用流程。數(shù)據(jù)加載與預處理的函數(shù)常用參數(shù)及其說明。常用的優(yōu)化器和損失函數(shù)。模型訓練和評估。模型的保存與加載方法。實驗教學過程安裝Python、Keras和相關依賴庫，確保環(huán)境配置正確。準備和加載數(shù)據(jù)集，如圖像分類中的MNIST數(shù)據(jù)集等。教材與參考資料教材黃可坤，張良均．Keras與深度學習實戰(zhàn)[M]．北京：人民郵電出版社，2023．參考資料[1] 陳屹，神經網絡與深度學習實戰(zhàn)：Py