通过本课程学习，使学生掌握以下知识、能力和素质：

课程目标CO1：【思想政治素质】通过课程的学习，学生将树立正确的价值观，增强社会责任感，理解深度学习技术在推动社会进步中的作用，牢固树立经世济国的使命感和担当精神；培养学生的爱国主义精神，引导他们将所学技术用于国家建设，关注科技与社会发展的有机结合，努力为国家的繁荣与发展贡献力量。

课程目标CO2：【诚信品质】在课程学习和项目实践中，严格要求学生遵守学术道德规范，杜绝抄袭和学术不端行为，培养诚实守信的学术品质；教育学生在未来的职业生涯中，始终坚守职业道德，做到诚信为本、操守为重，以负责任的态度面对工作和社会。

课程目标CO3：【核心专业知识】理解深度神经网络的基本结构、原理、常见的激活函数、损失函数及优化算法；掌握与深度学习相关的线性代数、概率论、统计学等数学工具，为理解模型的构建和优化打下坚实基础；掌握从数据预处理、模型设计、到模型训练、验证和调优的完整流程，熟悉常用深度学习框架如PyTorch；了解深度学习在计算机视觉、自然语言处理、金融科技、强化学习等领域的最新应用和发展趋势。

课程目标CO4：【实践能力】具备将深度学习理论应用于实际问题的能力，能够识别问题的核心要素并设计相应的解决方案；通过项目实践，学生将学会从需求分析、数据收集与处理、模型设计、到结果评估与改进的完整开发流程；在实践中鼓励学生进行自主研究和探索，培养创新思维，开发具有实用价值的应用或算法。

课程目标CO5：【跨学科融合能力】培养学生将深度学习与金融科技、数据科学、社会科学等其他学科领域相结合的能力，促进知识的交叉融合和创新应用；通过项目合作和团队讨论，培养学生的团队协作能力和领导力，提升跨学科项目中的沟通与合作效率。

课程目标CO6：【素质培养】增强学生对前沿技术的批判性思考，能够客观分析技术的优势与局限性，形成独立见解；培养学生保持对新知识和技术的敏感性，具备持续学习的意愿和能力，适应快速变化的技术环境；在学习过程中，增强学生的社会责任感，理解技术的社会影响，并在未来职业生涯中以服务社会、推动国家发展为己任。

• 本课程结合专业特点，通过理论教学与实践应用相结合的方式，从专业、行业、国家等维度，强化学生的使命担当，培养学生的责任意识和社会服务精神。课程内容不仅聚焦于深度学习的核心理论与前沿应用，还强调技术在推动行业发展和国家进步中的关键作用，使学生能够将个人发展与国家需求相结合，树立科技报国的远大理想。

• 同时，课程注重培养学生的跨学科思维和创新能力，引导学生将深度学习技术应用于金融科技、智慧城市、公共安全等国家重大需求领域，增强学生的使命感和时代责任感。在教学过程中，融入思想政治教育和职业道德教育，帮助学生树立正确的价值观和职业操守，坚定诚信为本的信念。

• 通过这些多层次、多维度的价值引领，课程不仅传授专业知识，更致力于培养具备家国情怀和全球视野的优秀人才，使学生在未来能够在各自的岗位上发挥所长，为国家的发展和社会的进步贡献力量。

本课程对毕业要求的支撑：

毕业要求R1【思想政治素质】：（1）热爱祖国，践行社会主义核心价值观。（2）确立在中国共产党领导下走中国特色社会主义道路、实现中华民族伟大复兴的共同理想和坚定信念。（3）树立正确的世界观、人生观和价值观，有高度的社会责任感。（4）熟悉我国国情、政策，掌握必要的国家安全、军事理论，接受必要的军事训练，达到军事训练合格标准，能够履行建设祖国和保卫祖国的神圣义务。

毕业要求R2【诚信品质】：（1）学生具有经世济民、诚信服务、德法兼修的职业素养；（2）具备良好的金融职业伦理、诚实守信，拥有批判性思维和独立判断能力。

毕业要求R4【通专知识】：（1）系统掌握经济学、金融学和信息技术的基本理论和基础知识，具备金融科技专业和行业的操作能力和驾驭能力；（2）具备金融市场分析能力、金融产品创新能力、数据分析处理能力和软件开发编程能力。（3）熟练掌握一门外语，具有专业阅读能力和基本的听、说、写、译能力，能利用外语获取专业信息。

毕业要求R5【数据和信息素养】：（1）能熟练操作计算机并掌握一门编程语言；（2）具有从事量化投资、大数据信贷和风控、智能投顾等方面的专业水平与能力。

毕业要求R6【创新意识】：（1）具有良好的自主创新能力。（2）具有创新思维与良好的应用实践能力，能够将前沿科技应用于金融科技领域。

毕业要求R7【实践能力】：具有综合运用所学知识分析和解决金融科技问题的实践动手能力，能够在实际工作中灵活应用理论知识。

毕业要求R9【学习发展】：（1）具有金融职业生涯的创新发展潜力，能够在快速变化的金融科技环境中保持竞争力；（2）拥有终身学习意识和自我管理、自我学习能力，通过不断学习，适应社会和个人可持续发展。

（一）本课程使用教材

1.《深度学习理论与实践》，曹文明 王浩，2024，清华大学出版社。

2. 《深度学习入门：基于Python的理论与实现》，斋藤康毅，2016，O'Reilly Japan。

（二）本课程使用其他教学资源

1.《深度学习》，Ian Goodfellow, Yoshua Bengio, Aaron Courville，2016，MIT Press。

2.《深度学习 PyTorch版》，Aston Zhang, Zachary C.Lipto, Mu Li, Alexander J.Smola，人民邮电出版社。

3. Hung-Yi LEE, Machine Learning 2023 Spring, https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.php。