3月10日上午，信息工程学院数据科学系青年教师黄原博士在经世楼802为学生们带来了一场关于《深度学习：卷积神经网络（下）》的公开课，五位老师参加了听课及课后研讨。

黄原博士的课程内容深入浅出，系统讲解了卷积神经网络（CNN）的核心组件与工作机制。他通过理论推导与实例演示，详细解析了卷积层通过可学习的滤波器进行局部特征提取的原理，并结合ReLU激活函数增强非线性表达能力。池化层的讲解则通过最大值或平均值操作对特征图降维，保留显著特征的同时减少计算量。黄原博士还结合可视化技术，展示了中间特征图的多层次抽象过程，并通过类激活热力图直观呈现图像关键区域对分类决策的贡献度，帮助学生深入理解CNN的内部特征表达与决策逻辑。

课程结束后，听课教师们进行了深入的研讨。大家一致认为，黄原博士的课程内容丰富、逻辑清晰，既有理论深度，又有实践指导意义。研讨会上，教师们就CNN在实际应用中的优化方法、教学中的难点以及如何更好地将理论与实践结合等问题展开了热烈讨论。

作为一位青年教师，黄原博士的公开课不仅展示了他的教学能力，也体现了他对学术研究的热情和执着。此次公开课及课后研讨活动，为教师们提供了一个交流教学经验和学术思想的平台，为丰富青年教师的教学经验提供了宝贵的学习机会。

（信息工程学院2025年3月10日）