依据《教育部高等学校教学指导委员会章程》规定，教育部高等学校教学指导委员会的任务之一是：组织师资培训，沟通信息，交流教学建设和教学改革经验，宣传推广优秀教学成果，为高等学校的教学建设和教学改革做好服务工作。为此，教育部高等学校计算机类专业教学指导委员会和全国高等学校计算机教育研究会决定举办本系列课程高级研修班。本系列课程高级研修班面向全国高校相关院系专业负责人与教师，专注于人才培养、学科建设、课程体系与课程内容建设、授课艺术、产教融合、科研与教学、教学经验分享等。

 

为了加快创新步伐，全面实施创新驱动发展战略，进一步贯彻落实国务院《新一代人工智能发展规划》和教育部《高等学校人工智能创新行动计划》，加强人工智能课程建设，提高人工智能教育水平，提高人才培养质量是当务之急。要满足国家对人工智能人才培养的需要、提高人才培养质量，师资是关键，而组织教师培训是提高师资水平的最佳途径之一。通过培训，可以使教师了解人工智能行业发展的最新动态，分享人工智能专业相关课程的优秀教学成果，提升高校教师特别是中青年教师的业务水平和教学能力，从而进一步促进人工智能相关课程的教学发展。同时，培训可以为教师提供一个沟通信息的平台，交流课程建设和教学改革的经验，交流产、学、研合作的可能。

 

正是基于此，教育部高等学校计算机类专业教学指导委员会和全国高等学校计算机教育研究会计划举办本次课程高级研修班。特邀请各高校相关院系选派教学主管领导、课程负责人和骨干教师参加本次研修班。

 

一、课程目标

 

本培训旨在为参与者提供一个全面的深度学习实战经验，通过理论学习与实践操作相结合的方式，使参与者能够掌握深度学习的基本概念、算法原理、模型训练与优化技巧，以及在特定领域对主流的阿里深度学习低代码开发（ModelScope）和推理加速平台（OpenVINO）的应用。

 

二、课程内容及时间安排

 

2024年11月2日（周六）
8:30-10:20	以理论+实践+前沿为导向的“深度学习”课程建设思路与实施 知识要点： 1深度学习实训基础 1.1深度学习实战平台介绍 1.2低代码开发和加速平台 （1）低代码开发的概念与优势 （2）加速平台的作用与选择 1.3 ModelScope简介 ModelScope平台的功能与特点 （2）如何在ModelScope上进行模型训练与部署 1.4 OpenVINO简介 （1）OpenVINO的作用与优势 （2）OpenVINO在模型优化中的应用 2“深度学习实训”的课程内容与特色安排 （1）主干清晰，枝繁叶茂 （2）内容精悍，干货满满 （3）干货而不干瘪，硬核而不晦涩 （4）定位精准，灵活选择 3“深度学习实训”的配套资源 （1）教材及参考书目 （2）课程大纲 （3）教学讲义 （4）习题参考答案
10:30-12:00	理论课教学示范：深度学习项目过程 知识要点： 4数据收集与预处理 4.1数据的重要性与来源 4.2数据预处理的步骤与技巧 5模型训练 5.1选择合适的网络架构 5.2训练过程中的参数调优 6模型优化 6.1模型压缩与加速技术 6.2模型量化与剪枝 7推理加速 7.1推理引擎的选择与优化 7.2硬件加速技术 7.3 开发板部署 习题：举例说明
14:00-16:00	理论实践课教学示范： 深度学习算法基础 8卷积神经网络（CNN） 8.1 CNN的原理与结构 CNN在图像处理中的应用 9目标检测算法基础 9.1目标检测的原理 9.2 Yolo系列算法 实操：实现模型
16:10-17:30	理论实践课教学示范：深度学习模型优化 知识要点： 10预训练模型迁移学习和优化 10.1模型优化的基本过程 10.2模型优化和加速方法 实操
第二天 2024年11月3日（周日）
8:30-12:00	理论实践课教学示范：集体照人脸识别 知识要点： 11数据集的准备 11.1数据集的来源与选择 11.2数据集的标注与整理 数据预处理 12.1数据清洗与标准化 12.2数据增强技术 13 数据划分 训练集、验证集和测试集的划分 14 数据集格式转换 不同格式数据集的转换方法 15 创建数据集 自定义数据集的创建流程 DamoFD模型训练 16.1DamoFD模型的介绍与原理 16.2模型训练的步骤与技巧 模型微调 17.1微调的概念与重要性 17.2微调的策略与方法 18创建ModelScope模型 18.1 ModelScope模型的创建流程 18.2模型的评估与优化 19集体照人脸识别 19.1人脸识别的实现步骤 19.2模型的部署与应用 20模型发布 20.1模型发布的流程与注意事项 20.2模型的版本管理与维护 实操
14:00-17:00	理论实践课教学示范：智能冰箱食材识别 知识要点： 21问题分析 21.1项目背景与目标 21.2技术路线的选择 数据预处理 22.1数据清洗与标准化 22.2数据增强技术 数据探索 23.1数据的统计分析 23.2数据可视化 24 数据集转换 不同格式数据集的转换方法 25数据集分割 训练集、验证集和测试集的划分 26 数据增强 数据增强的方法与应用 YOLOX模型训练和优化 27.1YOLOX模型的介绍与原理 27.2模型训练的步骤与技巧 28模型选择 28.1不同模型的比较与选择 28.2模型的评估与优化 29模型训练 29.1训练过程中的参数调优 29.2训练策略的选择 30模型转换 30.1模型转换的方法与工具 30.2模型的部署与应用 使用OpenVINO进行优化和推理 31.1 OpenVINO模型优化的步骤 31.2 OpenVINO推理的实现 OpenVINO模型优化 33 OpenVINO推理 33.1推理引擎的配置与使用 33.2推理性能的评估 34性能对比 34.1不同模型性能的对比分析 34.2性能优化的策略 35存取动作判断 35.1动作识别的原理与方法 35.2动作识别的应用场景 36 开发版部署
17:00-17:30	学习总结，颁证
课程结束

本次培训部分课程设有现场实操辅导训练项目，以帮助参加培训的教师更好地掌握培训内容，提升实战技能，为后续课程开设做充分准备。需自备电脑和上网条件、预装Anaconda编程环境。

 

三、授课教师

 

赵卫东，复旦大学计算机科学技术学院副教授。主要负责本科生和各类研究生“机器学习与深度学习”“商务智能（商务数据分析）”等课程的教学，2011年纽约大学访问学者。“深度学习及其应用”国家一流课程负责人， 所讲授的“商务智能”被评为上海市精品课程。获得高等教育上海市教学成果奖一等奖和二等奖，上海市教师教学创新大赛一等奖，上海市科技进步二等奖。CDA三级认证数据科学家，腾讯云、百度云、英特尔机器学习认证讲师和阿里云MVP。目前主要研究方向包括机器学习、深度学习应用和商务数据分析等。主持国家自然科学基金2项、国家重点研发计划子课题、上海市浦江人才以及企业合作课题等40多项目。已在Knowledge and Information Systems ,Information Processing & Management，Information Systems Frontiers等国内外刊物和学术会议发表论文100多篇。出版教材《商务智能（第五版）》《机器学习（第2版）》《机器学习案例实战（第2版）》《Python机器学习实战案例（第2版）》《数据挖掘实用案例分析（第2版）》等10多部。

 

四、培训证书

 

对经学校有关部门推荐参加培训的教师，考评合格后可颁发“全国高校深度学习课程高级研修班”结业证书，对参加培训获得证书的教师，所在学校应承认其接受培训的经历，计入继续教育学时。

 

五、研修班时间及地点

 

会议时间：2024年11月2日—3日，11月1日下午报到。

会 务 费：2680元/人，住宿由会务组统一安排，交通、食宿费用自理。

会议及住宿地点：上海丽昂豪生大酒店，450元•间/天，上海市浦东新区金新路99号上海丽昂豪生大酒店，021-80117888

联 系 人： 贾斌

电 话： 18601290130

邮 箱： 24330080@qq.com