形式科学：计算机科学 - 人工智能 - 神经网络课程大纲

课程概述

• 课程目标：使学生掌握神经网络的基础理论，应用和实践，了解其在人工智能中的核心作用。
• 适用人群：计算机科学专业学生，对人工智能感兴趣者，以及希望提升机器学习技能的开发者。
• 课程时长：15周，每周3小时，包括讲座、讨论和实践活动。

第1周：课程介绍与基础知识

• 主题：神经网络简介
• 学习目标：
  • 了解神经网络的基本概念和历史
  • 学习数据表示与激活函数
• 阅读/资源：
  • [《深度学习》(Goodfellow et al.) 第一章]
• 活动：简短讲座 + 小组讨论基础概念

第2-4周：线性回归和感知器

• 主题：感知器模型
• 学习目标：
  • 掌握线性回归模型
  • 实现感知器算法
• 阅读/资源：
  • [《神经网络与深度学习》(Bishop) 第二章]
• 活动：编程练习，实现感知器

第5-7周：多层神经网络与隐藏层

• 主题：多层神经网络
• 学习目标：
  • 介绍多层神经网络架构
  • 学习反向传播算法
• 阅读/资源：
  • [《神经网络实战》(Murphy)]
• 活动：卷积神经网络（CNN）基础讲座，小组项目实践

第8-10周：深度学习与卷积神经网络

• 主题：深度学习原理
• 学习目标：
  • 深度学习的动机与优势
  • CNN在图像识别中的应用
• 阅读/资源：
  • [《深度学习入门》(Ian Goodfellow)]
• 活动：深度学习研讨会，CNN案例研究

第11-13周：循环神经网络与自然语言处理

• 主题：RNN与LSTM
• 学习目标：
  • RNN工作原理
  • 应用于文本生成
• 阅读/资源：
  • [《序列到序列学习》(Sutskever et al.)]
• 活动：RNN代码实现与NLP项目

第14周：强化学习与神经网络应用

• 主题：强化学习与神经网络策略
• 学习目标：
  • 强化学习基础
  • Q-learning与DQN
• 阅读/资源：
  • [《智能体的简单算法》(Sutton & Barto)]
• 活动：强化学习实验设计

第15周：总结与未来趋势

• 主题：回顾与前沿技术
• 学习目标：
  • 总结课程内容
  • 探讨AI伦理与未来发展方向
• 活动：课程项目展示，研讨会

评估方法

• 作业：每周编程作业，检查理论理解和实践能力
• 小测验：每两周一次，测试关键概念
• 项目：贯穿课程的大规模项目，评估创新思维和团队协作
• 期末考试：综合测试整个学期的知识点

通过这个结构化的课程，学生将逐步深入理解神经网络，并能在实际问题中应用所学知识。