1 课程基本信息

2 课程简介

本课程定位为人工智能实践类课程，课程以华为昇腾MindSpore框架为基础，学习和实现前馈神经网络、卷积神经网络等深度学习基础技术，以及物体识别、图像分割、图像生成、目标检测等计算机视觉的基础理论应用。结合企业应用案例，开展基于昇腾MindSpore框架的深度学习实践，以及基于计算机视觉产业应用视角的端到端训练与部署的多场景实践。完成课程学习后，学生可以掌握MindSpore的架构与特性相关知识，理解MindSpore网络迁移、分布式训练、端云侧推理与部署等相关特性，具备使用MindSpore完成图像处理任务的能力，能够胜任初级的人工智能算法工程师、深度学习工程师、图像算法工程师等岗位。

3 先修课程要求和能力要求

先修课程：线性代数、概率论与数理统计、高等数学、Python编程基础

能力要求：学生具备基本的python编程能力

选课和遴选方式：课程设置在数字产业学院选课平台上，学生通过测试后可进行项目实践。

4 课程目标和考核方案

4.1 课程输出目标

1.理解人工神经网络、卷积神经网络、对抗神经网络等深度学习基础知识，能够描述神经网络的结构以及训练全过程、卷积神经网络的基本运算操作，列举对抗神经网络的训练方式和应用；

2.能够列举MindSpore框架的特性与关键技术，描述MindSpore Lite特性，熟练使用API完成神经网络的基本训练流程；

3.能够描述动静态图各自的优势，熟练利用MindSpore进行网络迁移、分布式训练、端云侧推理部署；

4.能够识别和复述物体识别、图像分割、图像生成、目标检测等计算机视觉相关的基本概念和常用术语；能够解释和阐述计算机视觉的基本原理和实现方法，熟练完成基于MindSpore的计算机视觉基础应用实践任务。

4.2 课程考核方案

本课程考核平时成绩占40%、结课考试占60%，其中平时成绩包括采用随堂作业、实验/实践活动考核。

5 课堂教学内容和安排

本课程课内授课学时16学时，分为4个部分，各部分内容如下：

（1）神经网络基础（4学时）

内容说明： 神经网络的基础概念及训练过程，卷积神经网络简介与主流模型，循环神经网络应用及变种，对抗神经网络的训练方式及应用

（2）MindSpore简介与API详解（2学时）

内容说明： AI框架的发展历史、挑战及发展趋势，MindSpore架构、子系统、关键技术及特性，MindSpore Lite的特性

（3）MindSpore特性与应用（2学时）

内容说明： 动静态图的概念、优缺点及应用，网络迁移简介及流程，分布式训练简介及其不同模式，MindSpore并行训练的实现原理，端云侧部署的基本概念及应用

（4）图像处理原理与应用（8学时）

内容说明： 计算机视觉的基本任务及应用场景，数字图像处理基础，图像预处理技术及其在深度学习中的应用，图像分类迁移学习理论与实践，对抗示例生成和深度卷积对抗生成案例实践，基于全卷积网络U-Net的图像分割案例实践

6 实验/实践教学任务

本课程设置了16学时实验，均为必修内容，实验内容如下。

7 其他

学生修读完本课程，可以报名以下证书考试和学科竞赛