智能计算系统课程详细信息

课程号 04834440 学分 2
英文名称 AI Computing Systems
先修课程 人工智能概论、计算机组成原理
中文简介 智能计算系统是智能的核心物质载体,每年全球要制造数以十亿计的智能计算系统(包括智能手机、智能服务器、智能可穿戴设备等),需要大量的智能计算系统的设计者和开发者。智能计算系统人才的培养直接关系到我国智能产业的核心竞争力。因此,对智能计算系统的认识和理解是智能时代计算机类专业学生培养方案中不可或缺的重要组成部分,是计算机类专业学生的核心竞争力。本课程采用“应用驱动,全栈贯通”的思想,以一个图像迁移风格的驱动范例带动,重点围绕智能计算系统的设计理论、方法、关键技术等展开讨论,从基本概念开始,由浅入深帮助学生建立智能计算系统设计及应用的知识体系,培养智能时代急需的芯片设计、软件开发、算法研发等各个层次的人才。
英文简介 This course is a professional popularization course related to computer, electronics, andmicroelectronics, open to undergraduates majoring in IoT engineering and computer science andtechnology. It aims to train students to develop comprehensive understanding and practicalapplication skills towards the complete software and hardware technology stack of intelligentcomputing systems (including basic intelligent algorithms, intelligent computing programmingframework, intelligent computing programming language, intelligent chip architecture, etc.). This course adopts the idea of application-driven and focuses on the topics about designtheories, methods, and key technologies of intelligent computers, starting from the basicconcepts, to help students build a solid foundation of knowledge system for intelligent computerdesign and application from the shallower to the deeper and to cultivate different levels oftalents that are urgently needed in the intelligent era in the fields of the chip design, softwaredevelopment, Algorithm development, etc.
开课院系 信息科学技术学院
通选课领域  
是否属于艺术与美育
平台课性质  
平台课类型  
授课语言 中文
教材 智能计算系统,陈云霁,李玲,李威,郭崎,杜子东,机械工业出版社,20200315,1,9787111646235;
机器学习,周志华,清华大学出版社,20160101,深度学习(Deep Learning),Ian Goodfellow and Yoshua Bengio and Aaron Courville,人民邮电出版社,20170701,机器学习—原理算法与应用,雷明,清华大学出版社,20190901,当计算机体系结构遇到深度学习,布兰登·里根,机械工业出版社,20190401,
参考书 1,9787302423287;
1,9787115461476;
1,9787302532347;
1,9787111622482;
教学大纲 本课程旨在培养学生对智能计算完整软硬件技术栈融会贯通的理解,包括:
1. 理解智能计算系统的基本概念和基本理论,并能够实现对智能计算软硬件技术栈的贯通理解;
2. 能够应用神经网络进行模型训练,了解深度学习算法并利用深度学习编程框架设计网络;
3. 了解智能芯片的基本架构,并能够结合这些知识使用智能计算系统,了解智能芯片解决智能任务的原理;
4. 初步具备使用智能计算系统软件工具满足实际场景需求的能力,并通过实践环节培养设计、开发智能应用软件的能力。
第一章 概述-A Driving Example(3学时)       
          人工智能的发展历史及三类主要研究方法;智能计算系统的发展历程及未来展望;驱动范例引入。
第二章 神经网络(3学时)       
          机器学习和神经网络的基本原理;神经网络的训练过程;提升神经网络训练精度的手段;神经网络的交叉验证。
第三章 深度学习(3学时)
         卷积神经网络的图像分类及目标检测算法;循环神经网络;生成对抗网络;利用深度学习实现图像风格迁移。
第四章 编程框架使用(3学时)
          深度学习编程框架的概念及作用;TensorFlow的基本概念及编程模型;基于TensorFlow实现深度学习预测与训练。
第五章 编程框架机理(3学时)
          TensorFlow的内部原理和实现机制。
第六章 深度学习处理器原理(3学时)
          如何设计一款基本的深度学习处理器。
第七章 深度学习处理器架构(3学时)
          面向终端/云端智能应用的深度学习处理器体系结构。
第八章 智能编程语言(6学时)
          智能计算系统的抽象架构、编程模型、语言基础、编程接口、功能调试、性能调优以及系统性开发。
综合实验(7学时)
          实时图像风格迁移算法实现。
过传统课堂授课、课程项目相结合的方式进行教学,通过理论+实验教学,使学生加深对智能算法、编程语言、系统软件、体系结构、智能芯片运行环境等知识体系的理解,让学生做到学以致用、活学活用。
课程成绩评定方式为实验项目,具体分数占比为:
1. 实验习题占比30%。
2. 实验一在考核中占比30%。
3. 实验二在考核中占比40%
教学评估 王源:
学年度学期:19-20-3,课程班:智能计算系统1,课程推荐得分:null,教师推荐得分:null,课程得分分数段:null;
学年度学期:20-21-3,课程班:智能计算系统1,课程推荐得分:null,教师推荐得分:null,课程得分分数段:null;