《新生研讨课》教学大纲

课程编号：

课程名称：新生研讨课                    英文名称：Freshman Seminar Course                              

学分/学时：1/16                          课程性质：必修         

适用专业：                               建议开设学期：1               

先修课程：                              开课单位：人工智能学院             

一、课程的教学目标与任务

本课程面向刚入校新生，旨在帮助新生尽快适应大学的生活和学习方式，了解本专业主干课程和学科前沿。课程围绕专业学习展开，首先简要介绍学校、学院，以及专业建设的整体情况；其次围绕学生从中学到大学学习方式的转变，开展大学学习方式、大学学习规划、职业规划等方面的教育和研讨；然后，围绕智能系统感知、处理、分析及应用开展专业方面的介绍和研讨，其中重点介绍：

（1）  对大学学习内容和方式进行规划和研讨；

（2）  对信息获取、感知从总体上进行介绍，并和本专业的主干课程建立联系；

（3）  对人工智能系统的处理和分析进行总体介绍，并和本专业的主干课程建立联系

通过该课程的学习，使学生尽快实现从中学到大学的转变，学习方式的转变，建立大学学习，乃至职业的整体规划；培养学生的专业兴趣，激发学生的学习动力，为后续课程的学习打下坚实基础。

二、课程具体内容及基本要求

（一）学校和学院的总体情况介绍（2学时）

简要介绍学校的发展历程；简要介绍学院和本专业的建立和发展历程，提升学生对学校和本专业的认识。

1.基本要求

（1）了解学校的基本情况和发展历程；

（2）了解学院和本专业的基本情况和发展历程。

2.重点、难点

重点：学校和学院的基本情况和发展历程。

难点：无。

3.作业及课外学习要求：无。

（二）大学学习规划和学习方式研讨（4学时）

介绍4年大学学习的一些典型路径，引导学生规划自己的学习路线；研讨大学学习方式和高中学习方式的差异，引导学习完成大学学习方式的转变，实现从应试教育到能力培养的转变。

1.基本要求

（1）了解大学学习的一些典型路径，规划自己的学习路线；

（2）了解大学学习的特点，培养学生独自自主学习的能力。

2.重点、难点

重点：引导学生规划自己大学的学习路径，建立短期和长期的学习目标。

难点：无。

（三）学术前沿介绍 – 信息获取、感知系统简介（3学时）

以一些典型信息获取感知系统为例子，介绍感知系统的典型应用和主要组成模块，以及各个组成部分的研究问题。

1.基本要求

（1）了解智能系统的一些典型应用和主要组成模块；

（2）从整理上理解智能系统的基本工作原理。

2.重点、难点

重点：智能系统的基本工作原理。

难点：智能算法。

（四）学术前沿介绍 – 深度学习方法简介（3学时）

简要介绍深度学习的发展历程和现状，介绍卷积神经网络、卷积神经网络在图像处理、分析方面的应用。鼓励学生选择一些领域内的经典论文进行阅读，并撰写相应的学习报告。

1.基本要求

（1）了解深度神经网络的发展历程和现状；

（2）了解卷积神经网络，及其在图像处理、分析方面的应用。

2.重点、难点

重点：深度神经网络在图像处理和分析识别方面的应用。

难点：深度神经网络的基本思想和实践。

（五）项目研讨 – 智能系统设计（4学时）

围绕智能算法在图像信号处理与分析方面的应用，以小组为单位，开展智能算法/系统设计，鼓励学生完成方案设计、基本实验仿真、PPT答辩等环节。

1.基本要求

（1）了解深度神经网络在图像信号处理方面的典型应用；

（2）了解深度神经网络设计的基本方法。

2.重点、难点

重点：完成一个智能系统应用的设计。

难点：深度学习编程实践。

三、教学安排及方式

总学时 16 学时，其中：讲授  10  学时，实验  0  学时，上机  0  学时，实践  0  学时，研讨  6  学时，线上 0  学时。

注：教学方式包括面授和线上，其中面授包括： 讲授、实验、上机、实践、研讨五种。

四、考核及成绩评定方式

最终成绩由平时作业成绩、期末成绩和小论文成绩等组合而成。各部分所占比例如下：

平时作业成绩：40%。主要考核对每堂课知识点的复习、理解和掌握程度。

课程研讨论文成绩：60%。主要考核发现、分析和解决问题的能力，以及语言及文字表达能力。学生可自拟题目或根据任课教师提出的题目撰写课程学习小论文，并在一定形式下进行宣讲、答辩，最后评定课程论文成绩。

过程成绩提交时间和总评成绩计算说明表

注：上表用于说明授课过程中分项成绩提交时间，教师应在规定的时间内提交对应成绩，提前或逾期无法提交，一旦提交无法修改。大纲可以根据需要自行定义提交成绩的次数、时间和名称或说明，总评成绩计算必须与考核和成绩评定方式中描述的一致。

五、教材及参考书目

教材：

参考书目：

1.  《Deep learning》/《深度学习》，

2.  《Tensorflow解析与实战》

3.  《Digital Image Processing》第三版，Rafael C.Gonzalez, Richard E.Woods著。

2.《Pattern Recognition》, Sergios Theodoridis, KonstantinosKoutroumbas 编著。

七、说明

（一）与相关课程的分工衔接

（二）其他说明

（执笔人：董伟生       审核人：×××）

2018年  8 月  14 日