陈晓龙，近5年来，在5G新技术领域基于能量采集的移动边缘计算优化方面开展研究，主持浙江省自然科学基金项目 《基于能量采集的D2D无线数据缓存容量理论和优化策略研究》（LY18F010018）、参与浙江省公益技术研究计划 《基于多尺度卷积神经网络的产品表面缺陷检测关键技术研究》（LGG18F020017）和广东省科技计划项目 《基于软件定义网络的高速网络传输控制关键技术研究》（2014A010103031047）。近5年在Information Sciences（中科院2区TOP期刊）、IEEE ACCESS（中科院2区）等SCI收录期刊发表论文4篇，EI期刊收录5篇，获软件著作版权4项，申报发明专利3项。

项目1 认识人工智能
项目介绍
任务安排
学习目标
任务1．1 了解人工智能发展与应用
【任务描述】
【任务分析】
【知识准备】
1．1．1 人工智能发展过程
1．1．2 深度学习应用领域
任务1．2 认识深度学习框架
【任务描述】
【任务分析】
【知识准备】
1．2．1 深度学习框架发展历程
1．2．2 TensorFlow
1．2．3 Caffe
1．2．4 PyTorch
1．2．5 不同框架的对比
任务1．3 搭建深度学习开发环境
【任务描述】
【任务分析】
【知识准备】
1．3．1 Anaconda安装
1．3．2 PyCharm安装
1．3．3 PyCharm加载Anaconda虚拟环境
项目考核
项目2 搭建线性回归模型
项目介绍
任务安排
学习目标
任务2．1 认识TensorFlow基本概念
【任务描述】
【任务分析】
【知识准备】
2．1．1 TensorFlow基本概念
2．1．2 TensorFlow 2．0架构简介
任务2．2 掌握TensorFlow基础用法
【任务描述】
【任务分析】
【知识准备】
2．2．1 张量
2．2．2 变量
2．2．3 操作
2．2．4 自动求导
任务2．3 搭建线性回归模型
【任务描述】
【任务分析】
【知识准备】
2．3．1 线性回归模型
2．3．2 搭建模型
2．3．3 模型训练
2．3．4 模型预测
项目考核
项目3 搭建汽车油耗预测模型
项目介绍
任务安排
学习目标
任务3．1 汽车油耗数据处理
【任务描述】
【任务分析】
【知识准备】
任务3．2 搭建汽车油耗预测模型
【任务描述】
【任务分析】
【知识准备】
3．2．1 神经元
3．2．2 激活函数
3．2．3 前馈神经网络
任务3．3 训练汽车油耗预测模型
【任务描述】
【任务分析】
【知识准备】
项目考核
项目4 搭建手写数字识别模型
项目介绍
任务安排
学习目标
任务4．1 MNIST数据集处理
【任务描述】
【任务分析】
【知识准备】
4．1．1 下载MNIST数据集
4．1．2 图像数字化与可视化
4．1．3 图像向量化和标签编码
4．1．4 数据预处理
任务4．2 搭建并训练手写数字识别模型
【任务描述】
【任务分析】
【知识准备】
4．2．1 手写数字识别模型
4．2．2 模型训练
4．2．3 模型保存
任务4．3 手写数字识别模型验证
【任务描述】
【任务分析】
【知识准备】
4．3．1 加载模型权重
4．3．2 模型验证
项目考核
项目5 搭建卷积神经网络模型
项目介绍
任务安排
学习目标
任务5．1 探索卷积神经网络
【任务描述】
【任务分析】
【知识准备】
5．1．1 卷积神经网络结构特征
5．1．2 卷积
5．1．3 卷积层操作
5．1．4 池化层
任务5．2 搭建LeNet-5模型
【任务描述】
【任务分析】
【知识准备】
5．2．1 LeNet模型
5．2．2 搭建改进后的LeNet-5模型
任务5．3 训练并验证LeNet-5模型
【任务描述】
【任务分析】
【知识准备】
项目考核
项目6 搭建猫狗识别网络模型
项目介绍
任务安排
学习目标
任务6．1 探索猫狗数据集
【任务描述】
【任务分析】
【知识准备】
6．1．1 猫狗数据集
6．1．2 读取猫狗数据集
任务6．2 实现猫狗数据集的数据增强
【任务描述】
【任务分析】
【知识准备】
6．2．1 数据增强
6．2．2 图像几何变换
6．2．3 图像色彩调整
任务6．3 搭建猫狗识别网络模型
【任务描述】
【任务分析】
【知识准备】
6．3．1 认识AlexNet模型
6．3．2 训练AlexNet模型
项目考核
项目7 可视化方法应用
项目介绍
任务安排
学习目标
任务7．1 认识TensorBoard
【任务描述】
【任务分析】
【知识准备】
7．1．1 TensorBoard简介
7．1．2 两种可视化方式
7．1．3 TensorBoard工作原理
任务7．2 数据可视化
【任务描述】
【任务分析】
【知识准备】
7．2．1 一个简单的可视化例子
7．2．2 可视化图像数据
任务7．3 可视化MNIST分类模型
【任务描述】
【任务分析】
【知识准备】
7．3．1 可视化训练数据
7．3．2 可视化卷积神经网络
项目考核
项目8 经典卷积神经网络的应用
项目介绍
任务安排
学习目标
任务8．1 认识迁移学习
【任务描述】
【任务分析】
【知识准备】
8．1．1 迁移学习
8．1．2 TensorFlow中的迁移学习
8．1．3 一个简单的迁移学习例子
任务8．2 探索经典卷积神经网络
【任务描述】
【任务分析】
【知识准备】
8．2．1 VGG模型
8．2．2 Inception系列模型
8．2．3 ResNet模型
8．2．4 DenseNet模型
8．2．5 MobileNet系列模型
任务8．3 搭建垃圾分类识别模型
【任务描述】
【任务分析】
【知识准备】
8．3．1 垃圾分类数据集
8．3．2 训练垃圾分类识别模型
项目考核
参考文献