知识认知能力：通过课程的学习，要求学生学会如何使用和实现各种神经网络，以及如何针对各种数据和任务进行网络参数的训练和优化。更重要的是，使学生对DNN有更好的概念和理论认识，包括其能力和局限性。

综合素质能力：能理解人工智能职业道德和规范，具备科学精神和工程师的基本素养，具备科技报国的家国情怀和使命担当；能进行团队协作，具备合作精神和人际沟通能力。

课堂讲授与讨论：深度神经网络的知识点基本以课堂讲授为主，在讲解基本知识点的基础上，关注课程重点难点内容的讲授，采用启发式教学方法，引导学生对问题展开思考和讨论，使学生从数学概念、模型设计概念及编程实现概念出发分析和解决人工智能领域的相关问题。

演示与案例教学：通过神经网络工程实际案例的讲解，使学生在掌握课程基本理论和方法的同时，理解课程知识在工程中的实际应用，激发学生的研究兴趣，启迪学生创新思维。

实践探究教学：通过课程项目的设计、实现和讲解，使学生在科研实践中掌握神经网络的实现细节，锻炼在各学科领域中应用人工智能来解决实际问题的能力，以及有效表述自己设计与想法的技能。

作业部分：4个问题集：10%×4=40% 包括编写问题集+编程任务
课程项目部分： 40% (+5%)
其中提案：4%；最后报告（会议格式）：28%；演示讲解：8%；成果新颖的加分：5%
随堂测试：10次小测验：2%×10=20%。

本课程高度重视学术诚信，严禁抄袭、作弊等行为。
“在学习、科研、实习实践等活动中，学生应恪守学术道德，坚守学术诚信，保护知识产权，坚持勇于创新、求真务实的科学精神，努力培养自己严谨求实、诚实自律、真诚协作的科学态度，成为良好学术风气的维护者、严谨治学的力行者、优良学术道德的传承者。”
（具体请参见《上海科技大学学生学术诚信规范与管理办法（试行）》文件要求）
具体措施：所有作业都必须单独完成，不得从任何其他来源查看解决方案。不得与其他学生分享解决方案。所有编程作业都将使用抄袭检测软件。可以一起讨论，也可以帮助其他同学，但不能给出确切的解决方案。当一个学生抄袭另一个学生的作品时，两个学生都要负责。相关作业或考试零分。屡次违规将导致该课程被评为F级，并将受到学院和学校的进一步处罚。

本课程将使用Piazza或者互动教学平台。答疑时间与方式等其他具体信息将于每学期开学第一节课告知学生。