国模大胆视频日韩亚Av|99人成天堂无码在线视频|renrencao在线|日韩黄色中文字幕电影|日本成人大全Av制服操|亚洲无码美女自拍图片!|免费在线观看一级AV|影音先锋丝袜人妻熟女|深夜午夜福利在线|亚洲天堂在线无码观看

人工智能教學(xué)平臺(tái)

一、教學(xué)管理模塊

(一)、基礎(chǔ)模塊：

1、采用B/S架構(gòu)，即瀏覽器/服務(wù)器架構(gòu)。

2、支持用戶角色和權(quán)限區(qū)分。分為管理員、教師、助教和學(xué)生共四種角色。不同角色提供不同的權(quán)限。

3、支持管理員管理平臺(tái)所有課程、題庫(kù)、實(shí)訓(xùn)數(shù)據(jù)。

4、支持管理員管理平臺(tái)所有專業(yè)、班級(jí)、用戶。

5、支持教師創(chuàng)建學(xué)生賬戶。

6、支持教師自主創(chuàng)建課程，添加課程**，添加學(xué)生為課程成員。

7、支持教師布置作業(yè)和考試，統(tǒng)一管理成績(jī)。

8、支持學(xué)生參加課程學(xué)習(xí)，參與實(shí)訓(xùn)，提交報(bào)告，查看成績(jī)。

(二)、平臺(tái)首頁(yè)：

1、支持播放輪播圖。

2、支持對(duì)課程分類展現(xiàn)，每類默認(rèn)展現(xiàn)固定數(shù)量。

3、支持展現(xiàn)全部課程。

(三)、實(shí)訓(xùn)中心：

1、▲提供“學(xué)情概覽”模塊，學(xué)生可查看個(gè)人學(xué)情，至少包含：學(xué)習(xí)活躍度，教師可查看整體學(xué)生的學(xué)習(xí)情況，至少包含班級(jí)學(xué)習(xí)活躍度、作業(yè)概覽、考試概覽。（提供此功能截圖加蓋供應(yīng)商公章）

2、支持創(chuàng)建課程，課程設(shè)置和信息包括：課程名稱、課程類別、顯示設(shè)置等；支持自定義課程簡(jiǎn)介，上傳視頻、PPT、實(shí)訓(xùn)指導(dǎo)書等。

3、▲支持分組實(shí)訓(xùn)，通過分配課程****小組，****小組可以在jupyterhub實(shí)訓(xùn)環(huán)境中使用“小組共享空間”，快速分享實(shí)訓(xùn)文件進(jìn)行組內(nèi)協(xié)作。（提供此功能截圖加蓋供應(yīng)商公章）

4、▲支持設(shè)置課程為模板，支持基于原有課程快速創(chuàng)建新課，一鍵復(fù)制模板中的課程介紹、教學(xué)**、實(shí)訓(xùn)訓(xùn)練、實(shí)訓(xùn)作業(yè)、課程考試、學(xué)習(xí)交流和擴(kuò)展**模塊內(nèi)容。（提供此功能截圖加蓋供應(yīng)商公章）

5、支持在線查看PPT、視頻、實(shí)訓(xùn)指導(dǎo)書、數(shù)據(jù)、代碼；支持學(xué)生在討論區(qū)和聊天室中交流討論問題。

6、▲支持報(bào)告式作業(yè)。報(bào)告式作業(yè)支持2種提交方式：****小組組長(zhǎng)提交，在課****小組后，可由組長(zhǎng)代表組員提交作業(yè)。支持作業(yè)報(bào)告模板設(shè)置，教師設(shè)置報(bào)告需要收集的學(xué)生個(gè)人系統(tǒng)信息，包括姓名、學(xué)號(hào)、專業(yè)、班級(jí)等，教師也可根據(jù)教學(xué)需求配置需要收集的報(bào)告信息，如實(shí)驗(yàn)編號(hào)、手機(jī)號(hào)等；報(bào)告正文可設(shè)置學(xué)生編輯權(quán)限，支持設(shè)置學(xué)生不可編輯區(qū)域內(nèi)容，學(xué)生無(wú)法進(jìn)行編輯修改。（提供此功能截圖加蓋供應(yīng)商公章）

7、▲支持編程式作業(yè)。支持教師設(shè)置Python或Java語(yǔ)言編程題目，系統(tǒng)自動(dòng)評(píng)判代碼輸出結(jié)果。編程式作業(yè)的題目支持同步至“題庫(kù)管理”模塊中，創(chuàng)建新作業(yè)時(shí)，支持選擇題庫(kù)中的編程題。（提供此功能截圖加蓋供應(yīng)商公章）

8、支持添加課程測(cè)驗(yàn)或考試，為考試添加新試題或從題庫(kù)中批量選擇填空、問答等試題，支持學(xué)生在線考試，系統(tǒng)對(duì)客觀題實(shí)現(xiàn)自動(dòng)評(píng)分。

9、支持統(tǒng)一管理課程考試，批閱學(xué)生提交的答卷，并查看考試分析報(bào)表，支持以csv、xlsx等格式下載學(xué)生成績(jī)表。

10、支持所有教學(xué)**設(shè)置訪問權(quán)限，指定**對(duì)學(xué)生進(jìn)行隱藏，隱藏后學(xué)生無(wú)法查看。

11、支持按照班別對(duì)學(xué)生選課，靈活設(shè)置課程角色為助教或?qū)W生、設(shè)置學(xué)習(xí)時(shí)長(zhǎng)限制等。

12、支持統(tǒng)一管理課程中所有作業(yè)、測(cè)驗(yàn)、考試的成績(jī)。

13、▲支持統(tǒng)一管理實(shí)訓(xùn)作業(yè)報(bào)告，對(duì)實(shí)訓(xùn)報(bào)告進(jìn)行創(chuàng)建、批閱、編輯、下載、刪除等批量操作；支持以壓縮包形式下載多份作業(yè)，按作業(yè)類型不同，自動(dòng)轉(zhuǎn)為docx或xlsx格式文件。（提供此功能截圖加蓋供應(yīng)商公章）

14、▲支持課程備份，以列表方式展現(xiàn)平臺(tái)所有課程，顯示信息包括課程名稱、創(chuàng)建時(shí)間、授課教師。對(duì)課程進(jìn)行全選，批量備份課程；課程還原，以列表方式展現(xiàn)所有課程備份文件，顯示信息包括文件名、時(shí)間、大小。對(duì)備份文件進(jìn)行全選，批量刪除備份文件。（提供此功能截圖加蓋供應(yīng)商公章）

15、支持課程類別及課程管理，支持課程增刪改查及批量排序操作，支持隱藏課程，隱藏后學(xué)生無(wú)課程訪問權(quán)限。

(四)、**中心

1、 提供“視頻庫(kù)”、“課件庫(kù)”、“實(shí)訓(xùn)庫(kù)”和“工具庫(kù)”模塊，支持存儲(chǔ)和共享課程相關(guān)**，**包含：視頻、課件、實(shí)訓(xùn)指導(dǎo)書和不限制任何格式的工具文件。共享個(gè)人**，其他用戶均可復(fù)制已公開的**到個(gè)人的**庫(kù)中。

2、 ▲課程中上傳的**支持自動(dòng)同步至個(gè)人**庫(kù)中。其中，課程“教學(xué)**”中的視頻同步至視頻庫(kù)；課程“教學(xué)**”中的課件同步至課件庫(kù)；課程“實(shí)訓(xùn)訓(xùn)練”中的實(shí)訓(xùn)指導(dǎo)書同步至實(shí)訓(xùn)庫(kù)；課程“擴(kuò)展**”中的文件同步至工具庫(kù)。（提供此功能截圖加蓋供應(yīng)商公章）

3、 支持在課程中直接使用**庫(kù)中已有的**，無(wú)須重復(fù)上傳。

4、 ▲提供“數(shù)據(jù)集”模塊，包含公共數(shù)據(jù)、我的數(shù)據(jù)和標(biāo)簽管理。支持上傳、編輯、復(fù)制、查看、下載數(shù)據(jù)集，設(shè)置數(shù)據(jù)集的標(biāo)簽、有效期、公開狀態(tài)、封面、簡(jiǎn)介等。（提供此功能截圖加蓋供應(yīng)商公章）

5、 提供“試題庫(kù)”模塊。支持根據(jù)對(duì)每個(gè)課程進(jìn)行題庫(kù)管理，可對(duì)課程創(chuàng)建、導(dǎo)入、導(dǎo)出、預(yù)覽題目，并查看每門課程的題庫(kù)信息。題庫(kù)中的題庫(kù)可應(yīng)用于課程考試和編程式作業(yè)。

(五)、用戶中心：

1、支持用戶管理功能，查看平臺(tái)所有用戶信息，包括用戶名、姓名、學(xué)號(hào)、班級(jí)、角色。支持對(duì)用戶設(shè)置啟用/禁用，編輯用戶資料，批量選課，重置密碼，刪除等操作。

2、支持創(chuàng)建用戶，創(chuàng)建方式至少包含單個(gè)創(chuàng)建、批量創(chuàng)建、批量導(dǎo)入；批量導(dǎo)入支持通過xlsx文件方式上傳用戶信息至平臺(tái)，導(dǎo)入文件只需填寫用戶名、密碼、角色、姓名、學(xué)號(hào)、專業(yè)和班級(jí)即可。支持導(dǎo)入模板下載。

3、提供“班級(jí)管理”模塊，支持創(chuàng)建專業(yè)，創(chuàng)建班級(jí)，管理班級(jí)，班級(jí)批量選課等。

(六)、平臺(tái)管理：

1、提供信息設(shè)置功能，可自定義系統(tǒng)信息和輪播圖，系統(tǒng)信息包含平臺(tái)名稱、平臺(tái)logo。

2、提供用戶設(shè)置功能，定義平臺(tái)角色，自定義各角色的權(quán)限，對(duì)用戶進(jìn)行角色分配。

3、提供課程基礎(chǔ)設(shè)置、備份設(shè)置、恢復(fù)設(shè)置功能。

4、提供日志管理功能，支持查看平臺(tái)的操作日志，可通過用戶姓名、日期、課程操作方式等進(jìn)行篩選詳細(xì)日志。

(七)、技術(shù)資質(zhì)：

▲須提供本軟件的第三方檢測(cè)報(bào)告。

二、編程實(shí)訓(xùn)模塊

1、采用本地化部署方案，在本地部署Python環(huán)境，并與教學(xué)管理平臺(tái)集成。

2、基于B/S架構(gòu)，通過瀏覽器訪問平臺(tái)。

3、實(shí)訓(xùn)工具包含：Numpy、Pandas、Scikit-Learn、OpenCV-Python。

4、支持Markdown文本，代碼與解釋說(shuō)明文字同屏排版，方便教師教學(xué)及學(xué)生筆記。

5、支持處理多種數(shù)據(jù)格式，并進(jìn)行可視化輸出或Markdown輸出。

6、支持LaTeX公式在線編輯。

7、支持代碼文件導(dǎo)出成HTML、Markdown 、PDF等多種格式文檔。

8、支持對(duì)此平臺(tái)關(guān)聯(lián)實(shí)訓(xùn)指導(dǎo)書與作業(yè)。

9、支持實(shí)訓(xùn)指導(dǎo)書與Python實(shí)訓(xùn)環(huán)境同屏顯示。左側(cè)顯示實(shí)訓(xùn)指導(dǎo)書與實(shí)訓(xùn)作業(yè)，右側(cè)顯示實(shí)訓(xùn)環(huán)境。

10、支持實(shí)訓(xùn)指導(dǎo)書全屏查看，實(shí)訓(xùn)環(huán)境全屏操作。

11、▲支持在進(jìn)入實(shí)訓(xùn)環(huán)境前，通過實(shí)訓(xùn)設(shè)置界面，設(shè)置關(guān)聯(lián)數(shù)據(jù)集，將實(shí)訓(xùn)環(huán)境與上傳至教學(xué)管理平臺(tái)的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行關(guān)聯(lián)，在實(shí)訓(xùn)環(huán)境中即可直接調(diào)取實(shí)驗(yàn)數(shù)據(jù)。（提供此功能截圖加蓋供應(yīng)商公章）

三、項(xiàng)目實(shí)踐模塊

(一)、基礎(chǔ)模塊：

1、系統(tǒng)采用B/S架構(gòu)，客戶端零維護(hù)，僅需支持Chrome內(nèi)核的瀏覽器即可訪問。

2、平臺(tái)框架使用JAVA語(yǔ)言開發(fā)，基于Spring Cloud構(gòu)建，提供穩(wěn)定可靠的服務(wù)調(diào)用、服務(wù)治理、服務(wù)降級(jí)能力。使用Nacos對(duì)服務(wù)進(jìn)行管理，快速實(shí)現(xiàn)動(dòng)態(tài)服務(wù)發(fā)現(xiàn)、服務(wù)配置及服務(wù)注冊(cè)。

3、支持用戶權(quán)限區(qū)分，默認(rèn)系統(tǒng)管理員權(quán)限、普通用戶權(quán)限，可自定義權(quán)限。

4、支持Python計(jì)算引擎，支持使用Python進(jìn)行算法開發(fā)。

5、支持主流的關(guān)系型數(shù)據(jù)庫(kù)，支持文本、圖像、音頻、視頻等非結(jié)構(gòu)化文件的導(dǎo)入，能夠快速實(shí)現(xiàn)異構(gòu)數(shù)據(jù)源之間的數(shù)據(jù)同步問題。

6、組件通過拖拽的方式使用，無(wú)需編程即可實(shí)現(xiàn)數(shù)據(jù)挖掘流程。

7、支持挖掘流程每個(gè)節(jié)點(diǎn)結(jié)果在線預(yù)覽，流程數(shù)據(jù)可視化。

8、▲支持在線查看算法組件源代碼；支持在線修改算法組件源代碼。（提供此功能截圖加蓋供應(yīng)商公章）

9、提供穩(wěn)定可靠的定時(shí)調(diào)度系統(tǒng)，設(shè)置定時(shí)任務(wù)指定時(shí)間段執(zhí)行任務(wù)。

10、提供標(biāo)簽管理功能。

11、▲支持算法組件調(diào)用GPU**進(jìn)行任務(wù)計(jì)算，在有GPU節(jié)點(diǎn)情況下，深度學(xué)習(xí)組件可選GPU**運(yùn)算。（提供此功能截圖加蓋供應(yīng)商公章）

(二)、算法單元：

至少提供11大類共52種算法，其中統(tǒng)計(jì)分析7種、數(shù)據(jù)預(yù)處理12種、腳本類組件1種、分類算法6種、聚類算法3種、回歸算法4種、時(shí)間序列算法1種、關(guān)聯(lián)規(guī)則2種、文本挖掘9種、深度學(xué)習(xí)2種、畫圖5種。分別為：

1、統(tǒng)計(jì)分析至少包括：全表統(tǒng)計(jì)、正態(tài)性檢驗(yàn)、相關(guān)性分析、卡方檢驗(yàn)、主成分分析、純隨機(jī)性檢驗(yàn)**穩(wěn)性檢驗(yàn)。

2、數(shù)據(jù)預(yù)處理至少包括：數(shù)據(jù)標(biāo)準(zhǔn)化、缺失值處理、表堆疊、數(shù)據(jù)篩選、特征構(gòu)造、數(shù)據(jù)集劃分、主鍵合并、排序、頻數(shù)統(tǒng)計(jì)、記錄去重、新增序列和分組聚合。

3、腳本類組件至少包括：Python腳本。

4、分類算法至少包括：樸素貝葉斯、支持向量機(jī)、CART分類樹、邏輯回歸、多層感知神經(jīng)網(wǎng)絡(luò)和最近鄰分類。

5、聚類算法至少包括：層次聚類、DBSCAN密度聚類和K-均值聚類。

6、回歸算法至少包括：CART回歸樹、線性回歸、支持向量回歸和最近鄰回歸。

7、時(shí)間序列算法至少包括：ARIMA模型。

8、關(guān)聯(lián)規(guī)則算法至少包括：Apriori關(guān)聯(lián)規(guī)則和FP-Growth關(guān)聯(lián)規(guī)則。

9、文本挖掘算法至少包括：HanLP分詞與詞性、結(jié)巴分詞與詞性標(biāo)注、TextRank、word2vce、doc2vec、TF-IDF、過濾停用詞、正則匹配、LDA。

10、深度學(xué)習(xí)算法至少包括：卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)。

11、畫圖算法至少包括：柱狀圖、折線圖、散點(diǎn)圖、餅圖、詞云圖。

(三)、接口擴(kuò)展模塊：

1、接口模塊基于標(biāo)準(zhǔn)RESTful設(shè)計(jì)，用戶可以方便、快捷的通過瀏覽器在線瀏覽、測(cè)試各個(gè)接口。

2、數(shù)據(jù)集接口：提供新增數(shù)據(jù)集和刪除數(shù)據(jù)集的接口調(diào)用標(biāo)準(zhǔn)。

3、標(biāo)簽管理接口：提供添加、過濾、刪除標(biāo)簽的接口調(diào)用標(biāo)準(zhǔn)。

4、連接管理接口：提供**、更新、查找、測(cè)試、刪除連接的接口調(diào)用標(biāo)準(zhǔn)。

(四)、教學(xué)**：

1、▲至少提供10個(gè)教學(xué)案例，配套實(shí)訓(xùn)指導(dǎo)書。包含但不限于：

1.1 航空公司客戶價(jià)值分析。

1.2 中醫(yī)證型關(guān)聯(lián)規(guī)則。

1.3 市財(cái)政收入分析預(yù)測(cè)。

1.4 應(yīng)用系統(tǒng)負(fù)載分析與磁盤容量預(yù)測(cè)。

1.5 信用卡高風(fēng)險(xiǎn)客戶識(shí)別。

1.6 RFM在線零售客戶分群。

1.7 氣象與輸電線路缺陷關(guān)聯(lián)分析。

1.8 金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)。

1.9 家用熱水器用戶行為分析。

1.10 商品評(píng)論情感分析。

（提供以上案例的工程截圖，加蓋供應(yīng)商公章）

(五)、技術(shù)資質(zhì)：

1、▲須提供本軟件的第三方檢測(cè)報(bào)告，并加蓋供應(yīng)商公章。

人工智能教學(xué)平臺(tái)

人工智能教學(xué)平臺(tái)可支撐人工智能技術(shù)應(yīng)用及相關(guān)專業(yè)相關(guān)課程的實(shí)踐教學(xué)，平臺(tái)需提供系統(tǒng)管理員模塊、數(shù)據(jù)分析模塊、教師模塊和學(xué)生模塊統(tǒng)一入口。

1、▲系統(tǒng)管理員模塊可對(duì)平臺(tái)內(nèi)**進(jìn)行集中化管理和監(jiān)控。

2、▲數(shù)據(jù)分析模塊可查看全平臺(tái)的教學(xué)教務(wù)數(shù)據(jù)，包括課時(shí)及課程數(shù)據(jù)，教學(xué)任務(wù)發(fā)布、提交和批閱數(shù)據(jù)，理論課堂數(shù)據(jù)，實(shí)踐課堂數(shù)據(jù)，備課數(shù)據(jù)，學(xué)生成績(jī)數(shù)據(jù)等。

3、▲教師模塊可供教師開展在線授課、實(shí)驗(yàn)教學(xué)，對(duì)學(xué)生實(shí)驗(yàn)情況進(jìn)行評(píng)閱，查看班級(jí)學(xué)習(xí)情況、課程教學(xué)成果。

4、▲學(xué)生模塊可供學(xué)生遠(yuǎn)程在線學(xué)習(xí)課程并進(jìn)行實(shí)驗(yàn)上機(jī)。

人工智能課程**庫(kù)

課程**庫(kù)提供如下課程內(nèi)容：圖像處理、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺、機(jī)器視覺、人工智能應(yīng)用實(shí)戰(zhàn)案例等，共計(jì)12門課程**，13套案例**。

1、【課程】《Python編程基礎(chǔ)》

通過學(xué)習(xí)本課程，可掌握Python開發(fā)環(huán)境的搭建、Python基礎(chǔ)入門、函數(shù)、面向?qū)ο缶幊獭?shí)用文件模塊等知識(shí)點(diǎn)，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)挖掘、數(shù)據(jù)挖掘開發(fā)和科研業(yè)務(wù)奠定基礎(chǔ)。

課程以任務(wù)式為導(dǎo)向，全面介紹了Python編程基礎(chǔ)及其知識(shí)的應(yīng)用，講解了如何利用Python的知識(shí)解決部分實(shí)際問題。首先介紹學(xué)習(xí)Python的準(zhǔn)備工作，包括Python的由來(lái)與發(fā)展、Python環(huán)境搭建、編輯器介紹與安裝等。然后介紹Python的基礎(chǔ)語(yǔ)法、數(shù)據(jù)類型與結(jié)構(gòu)、程序控制流、函數(shù)和Python面向?qū)ο缶幊痰葍?nèi)容。最后講解文件基礎(chǔ)和第三方模塊的使用。

1.課時(shí)設(shè)置：

理論教學(xué)不少于24學(xué)時(shí)，實(shí)踐教學(xué)不少于24學(xué)時(shí)，總計(jì)不少于48學(xué)時(shí)。

▲2.課程**：

不少于41個(gè)課程視頻、8份課程PPT、38份實(shí)訓(xùn)指導(dǎo)書、17份代碼、1份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.課程實(shí)驗(yàn)清單：

包括但不限于Python環(huán)境搭建；使用PyCharm創(chuàng)建一個(gè)應(yīng)聲蟲程序；輸入輸出；創(chuàng)建字符串變量并提取里面的數(shù)值；計(jì)算圓形的各參數(shù)；對(duì)用戶星座進(jìn)行分析；通過表達(dá)式計(jì)算給定的三個(gè)數(shù)值均值、方差、標(biāo)準(zhǔn)差；創(chuàng)建一個(gè)列表（list）并進(jìn)行增刪改查操作；轉(zhuǎn)換一個(gè)列表為元組（tuple）并進(jìn)行取值操作；創(chuàng)建一個(gè)字典（dict）并進(jìn)行增刪改查操作；將兩個(gè)列表轉(zhuǎn)換為集合（set）并進(jìn)行集合運(yùn)算；計(jì)算出斐波那契數(shù)列前兩項(xiàng)給定長(zhǎng)度的數(shù)列，并刪除重復(fù)項(xiàng)和追加數(shù)列各項(xiàng)之和為新項(xiàng)；用戶自定義查詢菜單，輸出查詢結(jié)果；簡(jiǎn)單的好友通訊錄管理程序；對(duì)兩個(gè)給定的數(shù)進(jìn)行最大公約數(shù)、最小公倍數(shù)的分析；實(shí)現(xiàn)考試成績(jī)劃分；實(shí)現(xiàn)一組數(shù)的連加與連乘；使用冒泡排序法排序；輸出數(shù)字金字塔；猜數(shù)字游戲；統(tǒng)計(jì)字符串內(nèi)元素類型的個(gè)數(shù)；自定義函數(shù)實(shí)現(xiàn)方差輸出；使用匿名函數(shù)添加列表元素；存儲(chǔ)并導(dǎo)入函數(shù)模塊；構(gòu)建一個(gè)計(jì)算列表中位數(shù)的函數(shù)；使用lambda表達(dá)式實(shí)現(xiàn)對(duì)列表中的數(shù)求平方；創(chuàng)建Car類；創(chuàng)建Car對(duì)象；迭代Car對(duì)象；產(chǎn)生Land_Rover對(duì)象（子類）；在精**可夢(mèng)游戲創(chuàng)建小火龍角色，對(duì)給出的各屬性進(jìn)行迭代和私有化；對(duì)小火**戲角色采用繼承的方式；對(duì)txt文件進(jìn)行讀寫；對(duì)csv文件進(jìn)行讀寫；os模塊；shutil模塊；計(jì)算iris數(shù)據(jù)集的均值；編程實(shí)現(xiàn)文件在當(dāng)前工作路徑的查找。

2、【課程】《人工智能數(shù)學(xué)基礎(chǔ)》

通過學(xué)習(xí)本課程，可掌握在大數(shù)據(jù)的研究和應(yīng)用中所需要的數(shù)學(xué)基礎(chǔ)，在數(shù)據(jù)處理、數(shù)據(jù)挖掘、判別分析等過程中，數(shù)學(xué)方法扮演著至關(guān)重要的角色,并為后續(xù)相關(guān)課程學(xué)習(xí)以及通過理論結(jié)合實(shí)踐的方式，運(yùn)用相關(guān)數(shù)學(xué)知識(shí)解決一些實(shí)際問題奠定基礎(chǔ)。

課程以任務(wù)式為導(dǎo)向，全面介紹了人工智能數(shù)學(xué)及其知識(shí)的應(yīng)用，講解了如何利用大數(shù)據(jù)數(shù)學(xué)基礎(chǔ)解決部分實(shí)際問題。首先介紹學(xué)習(xí)《人工智能數(shù)學(xué)基礎(chǔ)》的微積分基礎(chǔ)、概率論與數(shù)理統(tǒng)計(jì)基礎(chǔ)、線性代數(shù)基礎(chǔ)、數(shù)值計(jì)算基礎(chǔ)最后講解多元統(tǒng)計(jì)分析，課程致力于大數(shù)據(jù)分析技術(shù)的基礎(chǔ)數(shù)學(xué)知識(shí)傳播。

1.課時(shí)設(shè)置：

理論教學(xué)不少于38學(xué)時(shí)，實(shí)踐教學(xué)不少于26學(xué)時(shí)，總計(jì)不少于64學(xué)時(shí)。

▲2.課程**：

不少于37個(gè)課程視頻、8份課程PPT、21份實(shí)訓(xùn)指導(dǎo)書、21份代碼、8份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.課程實(shí)驗(yàn)清單：

包括但不限于函數(shù)與極限；導(dǎo)數(shù)；微分；微分中值定理與導(dǎo)數(shù)的應(yīng)用；不定積分與定積分；數(shù)據(jù)分布特征的描述統(tǒng)計(jì)；概率與概率分布；參數(shù)估計(jì)與假設(shè)檢驗(yàn)；行列式；矩陣及其運(yùn)算；矩陣的特征分解與奇異值分解；誤差；插值方法；函數(shù)逼近與擬合；非線性方程（組）求根；回歸分析；判別分析；聚類分析；主成分分析；因子分析；典型相關(guān)分析。

3、【課程】《Python機(jī)器學(xué)習(xí)編程與實(shí)戰(zhàn)》

通過學(xué)習(xí)本課程，可掌握Python進(jìn)行科學(xué)計(jì)算、可視化繪圖、數(shù)據(jù)處理，分析與建模、構(gòu)建聚類、回歸、分類模型的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析挖掘研究、數(shù)據(jù)分析工作奠定基礎(chǔ)。

課程以多個(gè)任務(wù)為導(dǎo)向，以Python數(shù)據(jù)分析常用技術(shù)和真實(shí)案例相結(jié)合方式，深入淺出介紹使用Python進(jìn)行數(shù)據(jù)分析及應(yīng)用的重要內(nèi)容。首先了解數(shù)據(jù)分析的基本概念和流程，在宏觀上理解數(shù)據(jù)分析能夠解決什么問題。接著介紹Python數(shù)據(jù)分析常用庫(kù)NumPy、Matplotlib、pandas、scikit-learn的應(yīng)用，并結(jié)合具體的任務(wù)講解操作。

1.課時(shí)設(shè)置：

理論教學(xué)不少于36學(xué)時(shí)，實(shí)踐教學(xué)不少于28學(xué)時(shí)，總計(jì)不少于64學(xué)時(shí)。

2.課程**：

不少于65個(gè)課程視頻、7份課程PPT、34份實(shí)驗(yàn)指導(dǎo)書、6份代碼、7份數(shù)據(jù)。

3.課程實(shí)驗(yàn)清單：

包括但不限于掌握NumPy數(shù)組對(duì)象ndarray；掌握NumPy矩陣與通用函數(shù)；利用NumPy進(jìn)行統(tǒng)計(jì)分析；創(chuàng)建數(shù)組并進(jìn)行運(yùn)算；創(chuàng)建一個(gè)國(guó)際象棋的棋盤；掌握繪圖基礎(chǔ)語(yǔ)法與常用參數(shù)；分析特征間的關(guān)系；分析特征內(nèi)部數(shù)據(jù)分布與分散狀況；分析1996~2015年人口數(shù)據(jù)各個(gè)特征的分布與分散狀況；分析1996~2015年人口數(shù)據(jù)特征間的關(guān)系；讀寫不同數(shù)據(jù)源的數(shù)據(jù)；掌握DataFrame的常用操作；轉(zhuǎn)換與處理時(shí)間序列數(shù)據(jù)；使用分組聚合進(jìn)行組內(nèi)計(jì)算；創(chuàng)建透視表與交叉表；讀取并查看P2P網(wǎng)絡(luò)貸款數(shù)據(jù)主表的基本信息；提取用戶信息更新表和登錄信息表的時(shí)間信息；使用分組聚合方法進(jìn)一步分析用戶信息更新表和登錄信息表；對(duì)用戶信息更新表和登錄信息表進(jìn)行長(zhǎng)寬表轉(zhuǎn)換；合并數(shù)據(jù)；清洗數(shù)據(jù)；標(biāo)準(zhǔn)化數(shù)據(jù)；轉(zhuǎn)換數(shù)據(jù)；插補(bǔ)用戶用電量數(shù)據(jù)缺失值；合并線損，用電量趨勢(shì)與線路告警數(shù)據(jù)；標(biāo)準(zhǔn)化建模專家樣本數(shù)據(jù)；使用sklearn轉(zhuǎn)換器處理數(shù)據(jù)；構(gòu)建并評(píng)價(jià)聚類模型；構(gòu)建并評(píng)價(jià)分類模型；構(gòu)建并評(píng)價(jià)回歸模型；使用sklearn處理wine和wine_quality數(shù)據(jù)集；構(gòu)建基于wine數(shù)據(jù)集的K-Means聚類模型；構(gòu)建基于wine數(shù)據(jù)集的分類模型；構(gòu)建基于wine_quality數(shù)據(jù)集的回歸模型。

4、【課程】《Python機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)》

通過學(xué)習(xí)本課程，可掌握各個(gè)算法的應(yīng)用場(chǎng)景，算法理論基礎(chǔ)，編程實(shí)現(xiàn)、模型評(píng)價(jià)體系等，為后續(xù)課程的學(xué)習(xí)及從事數(shù)據(jù)挖掘的開發(fā)和項(xiàng)目業(yè)務(wù)奠定基礎(chǔ)。

課程以任務(wù)式為導(dǎo)向，全面介紹了《Python機(jī)器學(xué)習(xí)算法實(shí)現(xiàn)》及其知識(shí)的應(yīng)用，是大數(shù)據(jù)與人工智能Python系列課程的核心課程。首先課程深入講解了機(jī)器學(xué)習(xí)中的常用算法，內(nèi)容包括機(jī)器學(xué)習(xí)緒論、模型評(píng)估與選擇、回歸分析、決策樹、神經(jīng)網(wǎng)絡(luò)、KNN、樸素貝葉斯、聚類分析、支持向量機(jī)算法的Python實(shí)現(xiàn)，詳細(xì)闡述了每種算法解決問題時(shí)的思路，最后介紹了算法的相關(guān)任務(wù)的具體操作。

1.課時(shí)設(shè)置：

理論教學(xué)不少于36學(xué)時(shí)，實(shí)踐教學(xué)不少于28學(xué)時(shí)，總計(jì)不少于64學(xué)時(shí)。

2.課程**：

不少于49個(gè)課程視頻、9份課程PPT、15份實(shí)驗(yàn)指導(dǎo)書、10份代碼、7份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.課程實(shí)驗(yàn)清單：

包括但不限于完成波士頓房?jī)r(jià)預(yù)測(cè)模型；對(duì)研究生是否被錄取進(jìn)行預(yù)測(cè)；決策樹算法自編；用決策樹算法構(gòu)建鳶尾花分類模型；自定義sigmoid激活函數(shù)；網(wǎng)絡(luò)輸入到輸出；網(wǎng)絡(luò)權(quán)值和閾值更新；網(wǎng)絡(luò)模型訓(xùn)練；網(wǎng)絡(luò)模型預(yù)測(cè)；求距離矩陣；找鄰居；歸類；自編KNN算法實(shí)現(xiàn)鳶尾花分類；對(duì)鳶尾花數(shù)據(jù)進(jìn)行K-Means聚類；用支持向量機(jī)解決鳶尾花分類。

5、【課程】《MySQL數(shù)據(jù)庫(kù)基礎(chǔ)》

MySQL是最流行的關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)之一，也是最好的RDBMS(Relational Database Management System，關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng))應(yīng)用軟件之一，是大數(shù)據(jù)存儲(chǔ)必備的工具。《MySQL數(shù)據(jù)庫(kù)基礎(chǔ)》是大數(shù)據(jù)技術(shù)系列課程的基礎(chǔ)課程。課程較為全面地介紹了MySQL相關(guān)的大數(shù)據(jù)技術(shù)相關(guān)知識(shí)，主要包括數(shù)據(jù)庫(kù)概述、MySQL安裝與配置、MySQL基本命令、MySQL基礎(chǔ)等精選內(nèi)容。涉及的知識(shí)點(diǎn)簡(jiǎn)要精到，實(shí)踐操作性強(qiáng)，能有效指導(dǎo)學(xué)生對(duì)MySQL大數(shù)據(jù)技術(shù)的學(xué)習(xí)理解及應(yīng)用。

1.課時(shí)設(shè)置：

理論教學(xué)不少于8學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于16學(xué)時(shí)。

2.課程**：

不少于13個(gè)課程視頻、7份課程PPT、17份實(shí)訓(xùn)指導(dǎo)書、6份代碼、1份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.課程實(shí)驗(yàn)清單：

包括但不限于MySQL 服務(wù)的啟動(dòng)及關(guān)閉；登陸MySQL數(shù)據(jù)庫(kù)；MySQL 基本命令；mysqladmin命令；MySQL 數(shù)據(jù)庫(kù)操作；MySQL 創(chuàng)建表；MySQL 數(shù)據(jù)表的刪除；MySQL 數(shù)據(jù)的插入與簡(jiǎn)單查詢；MySQL 臨時(shí)表的創(chuàng)建與刪除；MySQL select查詢操作；MySQL 表中數(shù)據(jù)的更新與刪除；MySQL where條件查詢與運(yùn)算符使用；MySQL 算術(shù)運(yùn)算符；MySQL 邏輯運(yùn)算符；MySQL 集函數(shù)的使用；MySQL having分組約束的應(yīng)用；MySQL 子查詢。

6、【課程】《TensorFlow2實(shí)戰(zhàn)》

通過學(xué)習(xí)本課程，可掌握TensorFlow2常用數(shù)據(jù)類型和操作、模型構(gòu)建、高階API-Keras使用的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

課程首先對(duì)TensorFlow進(jìn)行介紹，然后學(xué)習(xí)TensorFlow2的常用數(shù)據(jù)類型和操作，接著學(xué)習(xí)線性模型的構(gòu)建，包括初始化模型、構(gòu)建損失函數(shù)、模型訓(xùn)練及可視化等內(nèi)容，接著學(xué)習(xí)高階API-Keras的使用，最后通過《mnist手寫數(shù)字識(shí)別》與《鳶尾花分類》案例鞏固前面學(xué)習(xí)的知識(shí)。

1.課時(shí)設(shè)置：

理論教學(xué)不少于16學(xué)時(shí)，實(shí)踐教學(xué)不少于16學(xué)時(shí)，總計(jì)不少于32學(xué)時(shí)。

2.課程**：

不少于11個(gè)課程視頻、1份課程PPT、3份代碼、3份數(shù)據(jù)。

7、【課程】《TensorFlow2深度學(xué)習(xí)原理與實(shí)現(xiàn)》

通過學(xué)習(xí)本課程，可掌握構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)CNN、構(gòu)建循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、長(zhǎng)短時(shí)間記憶模型LSTM的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)挖掘工作奠定基礎(chǔ)。

課程介紹深度學(xué)習(xí)中常用算法的原理以及編程實(shí)現(xiàn)，包含圖像識(shí)別中常用模型卷積神經(jīng)網(wǎng)絡(luò)CNN、序列數(shù)據(jù)處理常用模型循環(huán)神經(jīng)網(wǎng)絡(luò)RNN、長(zhǎng)短時(shí)間記憶模型LSTM。課程設(shè)計(jì)思路以應(yīng)用為導(dǎo)向，讓學(xué)員明確所學(xué)知識(shí)是如何解決問題的，通過教授和練習(xí)鞏固所學(xué)知識(shí)，使學(xué)生真正理解并能夠應(yīng)用所學(xué)知識(shí)。最后結(jié)合實(shí)訓(xùn)內(nèi)容鞏固前面學(xué)習(xí)的知識(shí)。

1.課時(shí)設(shè)置：

理論教學(xué)不少于16學(xué)時(shí)，實(shí)踐教學(xué)不少于16學(xué)時(shí)，總計(jì)不少于32學(xué)時(shí)。

2.課程**：

不少于13個(gè)課程視頻、1份課程PPT、2份代碼、2份數(shù)據(jù)。

3.課程實(shí)驗(yàn)清單：

包括但不限于CNN實(shí)現(xiàn)MNIST手寫字體識(shí)別；RNN實(shí)現(xiàn)MNIST手寫字體識(shí)別；LSTM實(shí)現(xiàn)MNIST手寫字體識(shí)別。

8、【課程】《深度學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)》

通過本課程的學(xué)習(xí)掌握計(jì)算機(jī)視覺中圖像讀寫、圖像顏色空間、幾何變換、圖像增強(qiáng)、圖像分類、目標(biāo)檢測(cè)、圖像分割和圖像生成知識(shí)，利用深度學(xué)習(xí)框架TensorFlow搭建神經(jīng)網(wǎng)絡(luò)，熟悉利用OpenCV、TensorFlow等庫(kù)完成圖像分類、目標(biāo)檢測(cè)、圖像分割和圖像生成任務(wù)，提升計(jì)算機(jī)視覺工程師等相關(guān)工作崗位的認(rèn)知能力。

本課程全面介紹了圖像處理基礎(chǔ)及計(jì)算機(jī)視覺應(yīng)用，講解了如何利用Python解決實(shí)際計(jì)算機(jī)視覺問題。首先介紹計(jì)算機(jī)視覺概述，包括計(jì)算機(jī)視覺和深度學(xué)習(xí)知識(shí)和應(yīng)用領(lǐng)域、深度學(xué)習(xí)框架TensorFlow和圖像處理的相關(guān)Python庫(kù)OpenCV等介紹。然后通過多個(gè)實(shí)際生活場(chǎng)景進(jìn)行知識(shí)強(qiáng)化。

1.課時(shí)設(shè)置：

理論教學(xué)不少于32學(xué)時(shí)，實(shí)踐教學(xué)不少于32學(xué)時(shí)，總計(jì)不少于64學(xué)時(shí)。

2.課程**：

至少包括課程視頻、課程PPT、實(shí)訓(xùn)指導(dǎo)書、代碼、數(shù)據(jù)。

9、【課程】《機(jī)器視覺及應(yīng)用》

通過學(xué)習(xí)本課程，可掌握?qǐng)D像處理的基本操作和圖像識(shí)別相關(guān)分析挖掘知識(shí)，熟悉圖像文件格式的轉(zhuǎn)換和圖像矩陣的顯示方法，掌握?qǐng)D像定位、噪聲處理、數(shù)字圖像變換、特征提取和圖像分割的原理和方法，能夠搭建深度學(xué)習(xí)相關(guān)模型進(jìn)行圖像檢測(cè)，為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)挖掘、大數(shù)據(jù)開發(fā)、人工智能和科研業(yè)務(wù)奠定基礎(chǔ)。

課程以不同級(jí)別的實(shí)驗(yàn)要求為導(dǎo)向，以實(shí)驗(yàn)為單位，以背景和基礎(chǔ)原理作為基礎(chǔ)，將理論知識(shí)與實(shí)踐操作融合，通過大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行實(shí)驗(yàn)操作，引導(dǎo)深入學(xué)習(xí)實(shí)驗(yàn)的主要內(nèi)容。本課程首先介紹圖像的基本操作和圖像運(yùn)算，接著介紹圖像定位、數(shù)字圖像變換、圖像邊緣檢測(cè)、特征提取和圖像分割等常見的圖像處理方法，逐步遞進(jìn)講解數(shù)字圖像相關(guān)操作知識(shí)。

1.課時(shí)設(shè)置：

理論教學(xué)不少于24學(xué)時(shí)，實(shí)踐教學(xué)不少于40學(xué)時(shí)，總計(jì)不少于64學(xué)時(shí)。

2. ▲課程**：

至少包含29個(gè)視頻、8份PPT、21份實(shí)驗(yàn)指導(dǎo)書、8份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.課程內(nèi)容：

實(shí)驗(yàn)1 圖像基本操作與圖像運(yùn)算：

1.1 背景介紹和圖像運(yùn)算原理

1.2 初級(jí)平臺(tái)操作

實(shí)驗(yàn)2 使用空域?yàn)V波和頻域?yàn)V波進(jìn)行圖像增強(qiáng)：

2.1 背景介紹和圖像增強(qiáng)理論

2.2 初級(jí)平臺(tái)操作

2.3 中級(jí)平臺(tái)操作

實(shí)驗(yàn)3 數(shù)字圖像變換：

3.1 背景介紹和圖像變換原理

3.2 初級(jí)平臺(tái)操作

3.3 中級(jí)平臺(tái)操作

3.4 高級(jí)平臺(tái)操作

實(shí)驗(yàn)4 數(shù)字圖像邊緣檢測(cè)與特征提取：

4.1 背景介紹和邊緣檢測(cè)與特征提取原理

4.2 初級(jí)平臺(tái)操作

4.3 中級(jí)平臺(tái)操作

4.4 高級(jí)平臺(tái)操作

實(shí)驗(yàn)5 圖像分割：

5.1 背景介紹和圖像分割原理

5.2 初級(jí)平臺(tái)操作

5.3 中級(jí)平臺(tái)操作

5.4 高級(jí)平臺(tái)操作

實(shí)驗(yàn)6 車牌識(shí)別1：

6.1 背景介紹和車牌識(shí)別原理

6.2 初級(jí)平臺(tái)操作

6.3 中級(jí)平臺(tái)操作

6.4 高級(jí)平臺(tái)操作

實(shí)驗(yàn)7 車牌識(shí)別2：

7.1 背景介紹和車牌識(shí)別原理

7.2 初級(jí)平臺(tái)操作

7.3 中級(jí)平臺(tái)操作

7.4 高級(jí)平臺(tái)操作

實(shí)驗(yàn)8 車牌識(shí)別3：

8.1 背景介紹和車牌識(shí)別理論

8.2 初級(jí)平臺(tái)操作

8.3 中級(jí)平臺(tái)操作

8.4 高級(jí)平臺(tái)操作

4.實(shí)訓(xùn)目錄：

實(shí)驗(yàn)1 圖像基本操作與圖像運(yùn)算：

實(shí)訓(xùn)1 圖像基本操作與圖像運(yùn)算（初級(jí)）

實(shí)驗(yàn)2 使用空域?yàn)V波和頻域?yàn)V波進(jìn)行圖像增強(qiáng)：

實(shí)訓(xùn)1 使用空域?yàn)V波和頻域?yàn)V波進(jìn)行圖像增強(qiáng)（初級(jí)）

實(shí)訓(xùn)2 使用空域?yàn)V波和頻域?yàn)V波進(jìn)行圖像增強(qiáng)（中級(jí)）

實(shí)驗(yàn)3 數(shù)字圖像變換：

實(shí)訓(xùn)1 數(shù)字圖像變換（初級(jí)）

實(shí)訓(xùn)2 數(shù)字圖像變換（中級(jí)）

實(shí)訓(xùn)3 數(shù)字圖像變換（高級(jí)）

實(shí)驗(yàn)4 數(shù)字圖像邊緣檢測(cè)與特征提�。�

實(shí)訓(xùn)1 數(shù)字圖像邊緣檢測(cè)與特征提取（初級(jí)）

實(shí)訓(xùn)2 數(shù)字圖像邊緣檢測(cè)與特征提�。ㄖ屑�(jí)）

實(shí)訓(xùn)3 數(shù)字圖像邊緣檢測(cè)與特征提�。ǜ呒�(jí)）

實(shí)驗(yàn)5 圖像分割：

實(shí)訓(xùn)1 圖像分割（初級(jí)）

實(shí)訓(xùn)2 圖像分割（中級(jí)）

實(shí)訓(xùn)3 圖像分割（高級(jí)）

實(shí)驗(yàn)6 車牌識(shí)別1：

實(shí)訓(xùn)1 車牌識(shí)別1（初級(jí)）

實(shí)訓(xùn)2 車牌識(shí)別1（中級(jí)）

實(shí)訓(xùn)3 車牌識(shí)別1（高級(jí)）

實(shí)驗(yàn)7 車牌識(shí)別2：

實(shí)訓(xùn)1 車牌識(shí)別2（初級(jí)）

實(shí)訓(xùn)2 車牌識(shí)別2（中級(jí)）

實(shí)訓(xùn)3 車牌識(shí)別2（高級(jí)）

實(shí)驗(yàn)8 車牌識(shí)別3：

實(shí)訓(xùn)1 車牌識(shí)別3（初級(jí)）

實(shí)訓(xùn)2 車牌識(shí)別3（中級(jí)）

實(shí)訓(xùn)3 車牌識(shí)別3（高級(jí)）

10、【課程】《圖像處理實(shí)戰(zhàn)》

通過本課程的學(xué)習(xí)，了解圖像處理相關(guān)Python庫(kù)，掌握?qǐng)D像的基本變換、增強(qiáng)與復(fù)原操作，掌握?qǐng)D像形態(tài)學(xué)處理方法，掌握?qǐng)D像提取、分割技術(shù)，熟悉利用圖像處理相關(guān)技術(shù)，提升圖像數(shù)據(jù)分析和處理等相關(guān)工作的認(rèn)知能力。

本課程全面介紹了圖像處理的相關(guān)知識(shí)，講解了如何利用Python解決實(shí)際圖像問題。首先介紹圖像處理概述，包括圖像和圖像處理介紹、圖像處理工具和Python相關(guān)圖像處理庫(kù)。然后層層遞進(jìn)，由淺入深地介紹了圖像的基本變換、圖像增強(qiáng)與復(fù)原、形態(tài)學(xué)處理、圖像特征提取和圖像分割。

1.課時(shí)設(shè)置

理論教學(xué)不少于16學(xué)時(shí)，實(shí)踐教學(xué)不少于16學(xué)時(shí)，總計(jì)不少于32學(xué)時(shí)。

2.課程**：

至少包含實(shí)訓(xùn)指導(dǎo)書、課程視頻、課程PPT、數(shù)據(jù)、代碼。

3.課程內(nèi)容：

第1章 圖像處理概述：

1.1 認(rèn)識(shí)圖像處理

1.2 認(rèn)識(shí)圖像

1.3 認(rèn)識(shí)圖像處理工具

1.4 了解圖像處理相關(guān)Python庫(kù)

第2章 圖像的基本變換：

2.1 讀寫圖像數(shù)據(jù)

2.2 在圖像上繪制簡(jiǎn)單的圖形

2.3 變換圖像的顏色空間

2.4 變換圖像幾何空間

第3章 圖像增強(qiáng)與復(fù)原：

3.1 使用空間濾波增強(qiáng)圖像

3.2 使用頻率域?yàn)V波處理圖像

3.3 復(fù)原車牌圖像

第4章 形態(tài)學(xué)處理：

4.1 腐蝕和膨脹車牌圖像

4.2 使用開/閉操作處理車牌圖像

4.3 使用基本的形態(tài)學(xué)算法處理圖像

第5章 圖像特征提�。�

5.1 提取水質(zhì)圖像的顏色特征

5.2 提取圖像的紋理特征

5.3 提取圖像的邊緣和輪廓特征

5.4 提取電容零件的形狀特征

第6章 圖像分割：

6.1 使用閾值化分割圖像

6.2 使用邊緣的分割圖像

6.3 使用區(qū)域分割電容零件圖像

6.4 使用模板匹配電容零件圖像

11、【課程】《智能機(jī)器人應(yīng)用開發(fā)》

1.課時(shí)設(shè)置

理論教學(xué)不少于18學(xué)時(shí)，實(shí)踐教學(xué)不少于42學(xué)時(shí)，總計(jì)不少于60學(xué)時(shí)。

2.課程**：

至少包含實(shí)訓(xùn)指導(dǎo)書、課程PPT、數(shù)據(jù)、代碼。

3.課程內(nèi)容：包括智能機(jī)器人認(rèn)知與架構(gòu)、智能機(jī)器人運(yùn)動(dòng)控制、智能機(jī)器人環(huán)境建圖、智能機(jī)器人自主導(dǎo)航、智能機(jī)器人自主無(wú)線充電、智能機(jī)器人避障、智能機(jī)器人語(yǔ)音控制、智能機(jī)器人目標(biāo)跟隨、智能機(jī)器人的機(jī)械臂運(yùn)動(dòng)控制、智能機(jī)器人的機(jī)械臂視覺抓取、智能機(jī)器人目標(biāo)檢測(cè)、智能機(jī)器人戴口罩人臉識(shí)別、智能機(jī)器人倉(cāng)儲(chǔ)應(yīng)用場(chǎng)景開發(fā)、智能機(jī)器人導(dǎo)游應(yīng)用場(chǎng)景開發(fā)、智能機(jī)器人家政服務(wù)應(yīng)用場(chǎng)景開發(fā)。

12、【課程】《機(jī)器視覺應(yīng)用技術(shù)》

理論教學(xué)不少于32學(xué)時(shí)，實(shí)踐教學(xué)不少于28學(xué)時(shí)，總計(jì)不少于60學(xué)時(shí)。

1.課程**：

至少包含實(shí)訓(xùn)指導(dǎo)書、課程PPT、數(shù)據(jù)、代碼。

2.課程內(nèi)容：包括項(xiàng)目1：機(jī)器視覺概述、項(xiàng)目2：實(shí)現(xiàn)圖像的顏色空間轉(zhuǎn)換和基本變換、項(xiàng)目3：檢測(cè)目標(biāo)畫像的邊緣、項(xiàng)目4：分割目標(biāo)畫像、項(xiàng)目5：拼接兩張圖像、項(xiàng)目6：使用OCR識(shí)別文字、項(xiàng)目7：檢測(cè)人臉、項(xiàng)目8：手動(dòng)搭建BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)圖像識(shí)別、項(xiàng)目9：搭建卷積神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)手寫數(shù)字圖像識(shí)別、項(xiàng)目10：基于ResNet50實(shí)現(xiàn)限速牌識(shí)別、項(xiàng)目11：實(shí)現(xiàn)零件的自動(dòng)分揀、項(xiàng)目12：基于深度學(xué)習(xí)的工業(yè)鋼材缺陷檢測(cè)、項(xiàng)目13：基于深度學(xué)習(xí)的醫(yī)學(xué)影像分類、項(xiàng)目14：實(shí)現(xiàn)機(jī)器小車的目標(biāo)跟隨、項(xiàng)目15：實(shí)現(xiàn)機(jī)器小車的視覺巡線與自動(dòng)駕駛、項(xiàng)目16：實(shí)現(xiàn)視覺SLAM建圖、

13、【圖像應(yīng)用案例】《水產(chǎn)養(yǎng)殖水質(zhì)智能識(shí)別》

通過學(xué)習(xí)本案例，可掌握?qǐng)D像切割、特征提取、模型構(gòu)建和模型評(píng)價(jià)的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

水產(chǎn)養(yǎng)殖的關(guān)鍵因素之一是水質(zhì)，養(yǎng)殖水體生態(tài)系統(tǒng)的平衡狀況可通過水質(zhì)顏色體現(xiàn)而傳統(tǒng)水質(zhì)監(jiān)控的關(guān)鍵是行家。本案例主要根據(jù)水質(zhì)圖片利用圖像處理模型和分類算法實(shí)現(xiàn)水質(zhì)的自動(dòng)檢測(cè)。本案例的主要分析目標(biāo)為：分析不同水質(zhì)樣本的特征，實(shí)現(xiàn)對(duì)水質(zhì)的自動(dòng)分析。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

▲2.案例**：

不少于16個(gè)案例視頻、1份案例PPT、4份實(shí)訓(xùn)指導(dǎo)書、3份代碼、1份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于案例背景與目標(biāo)；讀取一張圖片數(shù)據(jù)；獲取圖片數(shù)據(jù)的像素值矩陣；截取圖像的有效區(qū)域；水質(zhì)圖像特征-顏色矩；三個(gè)顏色矩的Python實(shí)現(xiàn)；如何進(jìn)行批量化數(shù)據(jù)轉(zhuǎn)換；自定義函數(shù)獲取指定路徑中的所有圖片名稱；處理所有圖片數(shù)據(jù)；數(shù)據(jù)處理代碼整理；模型構(gòu)建與性能評(píng)估。

4.技術(shù)點(diǎn)：

至少包含圖像切割、顏色矩提取、決策樹、混淆矩陣。

14、【計(jì)算機(jī)視覺應(yīng)用案例】《動(dòng)態(tài)人臉智能識(shí)別》

通過學(xué)習(xí)本案例，可掌握mtcnn檢測(cè)、灰度處理、卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建人臉識(shí)別模型的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

人臉識(shí)別技術(shù)是基于人的臉部特征信息進(jìn)行身份識(shí)別的一種生物識(shí)別技術(shù)，人臉識(shí)別技術(shù)廣泛應(yīng)用于機(jī)場(chǎng)、高鐵、考勤等生活場(chǎng)景。卷積神經(jīng)網(wǎng)絡(luò)作為一項(xiàng)因?yàn)槠洹皺?quán)值共享”的優(yōu)勢(shì)，使得大規(guī)模的網(wǎng)絡(luò)訓(xùn)練變得十分簡(jiǎn)單，所以在圖像識(shí)別領(lǐng)域應(yīng)用的十分廣泛。

1.課時(shí)設(shè)置：

理論教學(xué)不少于8學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于16學(xué)時(shí)。

2.案例**：

不少于29個(gè)案例視頻、1份案例PPT、5份實(shí)訓(xùn)指導(dǎo)書、10份代碼、2份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于背景與目標(biāo)、調(diào)用電腦攝像頭拍照、實(shí)現(xiàn)批量拍照、封裝拍照操作的代碼、人臉檢測(cè)介紹、實(shí)現(xiàn)照片中人臉檢測(cè)、過濾人臉不全的照片、人臉照片的灰度轉(zhuǎn)換及存儲(chǔ)、批量照片處理及存儲(chǔ)、將拍照及數(shù)據(jù)處理代碼封裝成類、獲取人名及對(duì)應(yīng)文件夾路徑、自定義獨(dú)熱編碼函數(shù)、確認(rèn)樣本和標(biāo)簽對(duì)應(yīng)關(guān)系、定義照片數(shù)據(jù)轉(zhuǎn)數(shù)組數(shù)據(jù)的函數(shù)、將數(shù)據(jù)整理代碼封裝成類、建模介紹、定義模型搭建所需的常用方法、搭建第一個(gè)卷積層結(jié)構(gòu)、測(cè)試網(wǎng)絡(luò)結(jié)構(gòu)、搭建第二個(gè)和第三個(gè)卷積層、搭建第一個(gè)全連接層、搭建網(wǎng)絡(luò)輸出層、定義模型訓(xùn)練的損失函數(shù)-交叉熵、模型訓(xùn)練準(zhǔn)備、模型訓(xùn)練代碼實(shí)現(xiàn)、執(zhí)行模型訓(xùn)練、模型性能調(diào)優(yōu)、調(diào)用保存好的模型、模型性能評(píng)價(jià)結(jié)果。

4.技術(shù)點(diǎn)：

至少包含mtcnn檢測(cè)、灰度處理、卷積神經(jīng)網(wǎng)絡(luò)。

15、【機(jī)器視覺應(yīng)用案例】《車牌智能識(shí)別》

通過學(xué)習(xí)本案例，可掌握?qǐng)D片數(shù)據(jù)讀取、圖片預(yù)處理、圖片內(nèi)容中的字符分割、卷積神經(jīng)網(wǎng)絡(luò)車牌識(shí)別模型構(gòu)建的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

汽車車牌識(shí)別技術(shù)是車輛檢測(cè)系統(tǒng)中的一個(gè)重要環(huán)節(jié)，它在交通監(jiān)視和控制中占有很重要的地位，有著多種應(yīng)用，例如自動(dòng)收費(fèi)系統(tǒng)、不停車?yán)U費(fèi)、失竊車輛的查尋、停車場(chǎng)車輛管理、特殊車輛的出入控制等等。同時(shí)，汽車車牌識(shí)別的方法還可應(yīng)用到其他檢測(cè)和識(shí)別領(lǐng)域，所以汽車車牌識(shí)別問題已經(jīng)成為現(xiàn)代交通工程領(lǐng)域中研究的重點(diǎn)和熱門問題之一。

1.課時(shí)設(shè)置：

理論教學(xué)不少于12學(xué)時(shí)，實(shí)踐教學(xué)不少于12學(xué)時(shí)，總計(jì)不少于24學(xué)時(shí)。

2.案例**：

不少于23個(gè)案例視頻、1份案例PPT、8份實(shí)訓(xùn)指導(dǎo)書、15份代碼、2份數(shù)據(jù)。

3.案例內(nèi)容：

包括但不限于案例背景、工程**及圖片讀取、RGB像素值分布直方圖繪制、Gamma變換、圖像平滑：高斯平滑、灰度處理、圖像邊緣信息：Sobel算子、圖像二值化處理、圖像形態(tài)學(xué)操作與中值平滑、代碼整理、輪廓查找與可視化、輪廓矩形圖像提取、車牌判別模型計(jì)算圖搭建、車牌提取、車牌方向糾正、車牌邊框處理、車牌字符分割、車牌識(shí)別模型網(wǎng)絡(luò)結(jié)構(gòu)搭建、字符圖像讀取、模型訓(xùn)練、模型測(cè)試、調(diào)用模型進(jìn)行測(cè)試、拓展思考。

4.技術(shù)點(diǎn)：

至少包含圖像平滑處理；圖像形態(tài)學(xué)處理；圖像梯度處理；圖像輪廓；圖像峰度；卷積神經(jīng)網(wǎng)絡(luò)；車牌識(shí)別。

16、【機(jī)器視覺應(yīng)用案例】《道路車輛行人感知》

視覺信息具有易于采集、采集設(shè)備價(jià)格低廉與信息全面直觀的優(yōu)點(diǎn)，當(dāng)前機(jī)器視覺與深度學(xué)習(xí)技術(shù)日新月異的發(fā)展，為自動(dòng)駕駛系統(tǒng)感知周圍環(huán)境提供了技術(shù)支持。在駕駛過程中，自動(dòng)駕駛車輛需要感知的最重要的兩個(gè)目標(biāo)便是車輛與行人，其次還有車道線信息、交通標(biāo)志與信號(hào)燈等，本例針對(duì)車輛與行人的感知問題提出解決方案。通常使用目標(biāo)檢測(cè)方法對(duì)車輛行人進(jìn)行感知，用邊界框來(lái)表示檢測(cè)的結(jié)果，這種結(jié)果表達(dá)方式不能精確地表達(dá)出目標(biāo)在圖像中的位置。特別是在魚眼攝像頭圖像中，當(dāng)目標(biāo)離車輛比較近時(shí)，用邊界框來(lái)表達(dá)會(huì)有極大誤差。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

2.案例**：

不少于1份案例PPT、2份實(shí)訓(xùn)指導(dǎo)書、5份代碼、2份數(shù)據(jù)。

3.案例流程：

包括但不限于定義MaskRCNN網(wǎng)絡(luò)及訓(xùn)練配置信息及錨框生成；定義網(wǎng)絡(luò)結(jié)構(gòu)；讀取圖像數(shù)據(jù)；圖像數(shù)據(jù)變換與處理；定義網(wǎng)絡(luò)訓(xùn)練策略；訓(xùn)練模型并保存；模型評(píng)價(jià)，將測(cè)試集放入模型，通過實(shí)際標(biāo)簽評(píng)價(jià)模型性能。

4.技術(shù)點(diǎn)：

至少包含Keras、MaskRCNN、Adam、RPN。

17、【機(jī)器視覺應(yīng)用案例】《FasterRCNN目標(biāo)檢測(cè)》

隨著計(jì)算機(jī)技術(shù)的發(fā)展和計(jì)算機(jī)視覺原理的廣泛應(yīng)用，利用計(jì)算機(jī)圖像處理技術(shù)對(duì)目標(biāo)進(jìn)行實(shí)時(shí)跟蹤研究越來(lái)越受到重視，目標(biāo)檢測(cè)通常是指對(duì)輸入的圖像根據(jù)其目標(biāo)對(duì)象的特征信息，首先畫出能夠把目標(biāo)對(duì)象完整圈在框內(nèi)的最小外接矩形；其次給矩形貼上類別標(biāo)簽；最后對(duì)物體的邊框進(jìn)行回歸。

對(duì)目標(biāo)進(jìn)行動(dòng)態(tài)的實(shí)時(shí)跟蹤定位在智能化交通系統(tǒng)、智能監(jiān)控系統(tǒng)、軍事目標(biāo)檢測(cè)及醫(yī)學(xué)導(dǎo)航手術(shù)中的手術(shù)器械定位等方面具有廣泛的應(yīng)用價(jià)值。無(wú)論是交通中對(duì)鐵路軌道安全、內(nèi)掛網(wǎng)障礙物檢測(cè)，車輛行駛中對(duì)車輛、行人、標(biāo)識(shí)牌的識(shí)別，還是醫(yī)學(xué)中的腫瘤檢測(cè)、農(nóng)業(yè)中的果實(shí)檢測(cè)，基于目標(biāo)檢測(cè)與跟蹤的計(jì)算機(jī)視覺技術(shù)都在很大程度上代替或者輔助了人類的活動(dòng)，節(jié)約了人力。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

2.案例**：

不少于1份案例PPT、3份實(shí)訓(xùn)指導(dǎo)書、7份代碼、2份數(shù)據(jù)。

3.案例流程：

包括但不限于定義Faster R-CNN配置信息和RPN候選框處理參數(shù)；定義網(wǎng)絡(luò)結(jié)構(gòu)；讀取圖像數(shù)據(jù)；圖像數(shù)據(jù)變換與處理；生成先驗(yàn)錨框Anchors；定義網(wǎng)絡(luò)訓(xùn)練策略；定義網(wǎng)絡(luò)訓(xùn)練參數(shù)；訓(xùn)練模型并保存；模型評(píng)價(jià)，將測(cè)試集放入模型，通過實(shí)際標(biāo)簽評(píng)價(jià)模型性能。

4.技術(shù)點(diǎn)：

至少包含Keras、FasterRCNN、RPN。

18、【計(jì)算機(jī)視覺應(yīng)用案例】《圖像物體檢測(cè)》

隨著自動(dòng)駕駛汽車、智能監(jiān)控?cái)z像頭、面部識(shí)別以及大量對(duì)人有價(jià)值的應(yīng)用出現(xiàn)，快速、精準(zhǔn)的目標(biāo)檢測(cè)系統(tǒng)市場(chǎng)也日益蓬勃。這些系統(tǒng)除了可以對(duì)圖像中的每個(gè)目標(biāo)進(jìn)行識(shí)別、分類以外，它們還可以通過在該目標(biāo)周圍繪制適當(dāng)大小的邊界框（bounding box）來(lái)對(duì)其進(jìn)行定位。

1.課時(shí)設(shè)置：

理論教學(xué)2學(xué)時(shí)，實(shí)踐教學(xué)6學(xué)時(shí)，總計(jì)8學(xué)時(shí)。

2.案例**：

不少于15個(gè)案例視頻、2份案例PPT、3份實(shí)訓(xùn)指導(dǎo)書、1份代碼、3份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于項(xiàng)目背景與目標(biāo)、R-CNN介紹、R-CNN的缺陷、Fast、R-CNN介紹、Faster、R-CNN介紹、數(shù)據(jù)集和現(xiàn)有模型介紹、安裝Object、detection、API、下載模型及準(zhǔn)備數(shù)據(jù)、執(zhí)行物體檢測(cè)、加載類別標(biāo)簽、完成對(duì)圖片的目標(biāo)檢測(cè)、讀取視頻數(shù)據(jù)、自定義物體檢測(cè)函數(shù)、對(duì)整個(gè)視頻進(jìn)行物體檢測(cè)、將檢測(cè)結(jié)果合成為新視頻。

4.技術(shù)點(diǎn)：

至少包含R-CNN、Fast R-CNN、FASTER R-CNN。

19、【圖像處理應(yīng)用案例】《基于眼底圖像的眼疾智能識(shí)別》

通過學(xué)習(xí)本案例，可掌握?qǐng)D像識(shí)別、圖像處理、特征提取、圖像分類的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

常見眼病的早期發(fā)現(xiàn)是相當(dāng)困難的，因?yàn)樵诩膊〉脑缙诤苌儆忻黠@的癥狀。由于進(jìn)行性視網(wǎng)膜色素上皮變薄和衰減，近視患者的視力下降也是高風(fēng)險(xiǎn)的。本案例提供了結(jié)構(gòu)脫敏后眼科的數(shù)據(jù)集，包括患者的年齡、性別、雙眼彩色眼底照片和醫(yī)生的診斷關(guān)鍵詞�；谘鄣讏D像進(jìn)行圖像處理，構(gòu)建模型實(shí)現(xiàn)眼科疾病自動(dòng)分類。本案例的主要分析目標(biāo)為：對(duì)病人信息進(jìn)行整合；對(duì)患者彩色眼底照片進(jìn)行處理；構(gòu)建分類模型，對(duì)多張眼底照片進(jìn)行訓(xùn)練，根據(jù)模型訓(xùn)練結(jié)果預(yù)測(cè)測(cè)試集。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

▲2.案例**：

不少于10個(gè)案例視頻、1份案例PPT、1份實(shí)訓(xùn)指導(dǎo)書、1份代碼、3份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于背景與挖掘目標(biāo)；高斯模糊；圖片生成器；圖像增強(qiáng)效果；圖像合并；模型介紹；模型構(gòu)建；模型訓(xùn)練；模型預(yù)測(cè)；小結(jié)。

4.技術(shù)點(diǎn)：

至少包含深度學(xué)習(xí)；圖像識(shí)別；VGG19卷積神經(jīng)網(wǎng)絡(luò)。

20、【深度學(xué)習(xí)應(yīng)用案例】《基于深度學(xué)習(xí)的肝臟腫瘤分割》

通過學(xué)習(xí)本案例，可掌握?qǐng)D像對(duì)比度增強(qiáng)、圖像增強(qiáng)和圖像分割的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事計(jì)算機(jī)視覺工作奠定基礎(chǔ)。

我國(guó)是肝癌大國(guó)，世界范圍內(nèi)約有一半以上的新增肝癌患者和因肝癌而死亡的案例發(fā)生在中國(guó)，對(duì)肝臟疾病的早發(fā)現(xiàn)早治療是當(dāng)前面臨的主要任務(wù)。本案例基于腹部CT序列圖像，通過深度學(xué)習(xí)U-Net模型實(shí)現(xiàn)圖像分割。對(duì)圖像進(jìn)行增強(qiáng)對(duì)比，并提取肝臟切片進(jìn)行數(shù)據(jù)增強(qiáng)，構(gòu)建模型實(shí)現(xiàn)圖像分割。本案例的主要分析目標(biāo)為：對(duì)圖像進(jìn)行處理，提取肝臟切片；對(duì)切片圖像進(jìn)行數(shù)據(jù)增強(qiáng)；構(gòu)建深度學(xué)習(xí)U-Net模型；調(diào)用已經(jīng)訓(xùn)練好的模型進(jìn)行測(cè)試。

1.課時(shí)設(shè)置：

理論教學(xué)不少于6學(xué)時(shí)，實(shí)踐教學(xué)不少于6學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

▲2.案例**：

不少于22個(gè)案例視頻、1份案例PPT、5份實(shí)訓(xùn)指導(dǎo)書、1份代碼、1份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于案例背景；數(shù)據(jù)說(shuō)明與目標(biāo)；數(shù)據(jù)預(yù)處理流程介紹；打開工程文件；DICOM醫(yī)學(xué)圖像數(shù)據(jù)加載；windowing方法介紹和參數(shù)選擇；windowing方法實(shí)現(xiàn)；CT對(duì)比增強(qiáng)：直方圖均衡化；掩膜圖像加載；自定義提取腫瘤掩膜圖位置的函數(shù)；文件保存；循環(huán)操作20名病人CT圖像；數(shù)據(jù)增強(qiáng)：定義圖像生成器；數(shù)據(jù)增強(qiáng)：圖像數(shù)據(jù)增強(qiáng)設(shè)置及可視化；數(shù)據(jù)增強(qiáng)：歸一化與自定義增強(qiáng)函數(shù)；U-Net網(wǎng)絡(luò)結(jié)構(gòu)介紹；U-Net網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)；模型編譯；模型訓(xùn)練；模型訓(xùn)練結(jié)果展示；模型預(yù)測(cè)；拓展思考。

4.技術(shù)點(diǎn)：

至少包含圖像增強(qiáng)；圖像分割；深度學(xué)習(xí)U-Net模型。

21、【圖像處理應(yīng)用案例】《基于CycleGAN的圖像風(fēng)格轉(zhuǎn)換》

圖像到圖像的轉(zhuǎn)換是一類視覺和圖形問題，其目標(biāo)是獲得輸入圖像和輸出圖像之間的映射。圖像風(fēng)格轉(zhuǎn)換是最近**起的一種基于深度學(xué)習(xí)的技術(shù)，它的出現(xiàn)是占了卷積神經(jīng)網(wǎng)絡(luò)的天時(shí)，卷積神經(jīng)網(wǎng)絡(luò)能對(duì)圖像特征的高層特征的進(jìn)行抽取，使得風(fēng)格和內(nèi)容的分離成為了可能。

圖像風(fēng)格轉(zhuǎn)化在生活中的運(yùn)用有很多。例如，智能手機(jī)相機(jī)里的卡通濾鏡功能，可以將拍攝的圖像轉(zhuǎn)換成卡通風(fēng)格，或者將有損壞的圖像補(bǔ)全，這些都有涉及圖像到圖像的轉(zhuǎn)換問題。本案例使用油畫和現(xiàn)實(shí)風(fēng)景圖像數(shù)據(jù)集，構(gòu)建CycleGAN網(wǎng)絡(luò)，將現(xiàn)實(shí)風(fēng)景圖像轉(zhuǎn)換成油畫風(fēng)格。

1.課時(shí)設(shè)置：

理論教學(xué)不少于2學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于10學(xué)時(shí)。

2.案例**：

包含案例視頻、案例PPT、實(shí)訓(xùn)指導(dǎo)書、代碼、數(shù)據(jù)。

3.案例流程：

包括但不限于案例背景與目標(biāo)；案例流程及圖像數(shù)據(jù)讀��；數(shù)據(jù)預(yù)處理；模型介紹；模型構(gòu)建；模型訓(xùn)練；小結(jié)。

4.技術(shù)點(diǎn)：

至少包含TensorFlow2；圖像讀��；格式轉(zhuǎn)換；計(jì)算機(jī)視覺；CycleGAN網(wǎng)絡(luò)模型。

22、【機(jī)器學(xué)習(xí)應(yīng)用案例】《家用熱水器用戶行為分析》

通過學(xué)習(xí)本案例，可掌握冗余特征處理、劃分事件、確定閾值、特征構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

居民在使用家用熱水器的過程中，會(huì)因?yàn)榈貐^(qū)氣候、區(qū)域不同和用戶年齡性別差異等原因，形成不同的使用習(xí)慣。本案例以從國(guó)內(nèi)某熱水器生產(chǎn)廠商處抽取用戶的用水?dāng)?shù)據(jù)為數(shù)據(jù)源，并對(duì)獲取的數(shù)據(jù)進(jìn)行了預(yù)處理和模型構(gòu)建分析等。本案例的主要分析目標(biāo)為：對(duì)用戶的洗浴事件進(jìn)行識(shí)別，根據(jù)識(shí)別結(jié)果比較不同客戶群的客戶使用習(xí)慣，加深對(duì)客戶的理解；對(duì)不同的客戶群提供最適合的個(gè)性化產(chǎn)品，改進(jìn)新產(chǎn)品的智能化的研發(fā)和制定相應(yīng)的營(yíng)銷策略。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

2.案例**：

不少于9個(gè)案例視頻、1份案例PPT、3份實(shí)訓(xùn)指導(dǎo)書、3份代碼、5份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于案例背景；刪除冗余特征；劃分用水事件；確定單次用水事件時(shí)長(zhǎng)閾值；構(gòu)建用水時(shí)長(zhǎng)與頻率特征；構(gòu)建停頓特征；構(gòu)建用水量與波動(dòng)特征；篩選候選洗浴事件；模型構(gòu)建。

4.技術(shù)點(diǎn)：

至少包含冗余特征處理；劃分事件；確定閾值；特征構(gòu)建；神經(jīng)網(wǎng)絡(luò)模型。

23、【機(jī)器學(xué)習(xí)應(yīng)用案例】《智能應(yīng)答模型應(yīng)用》

機(jī)器人（Robot）是一種可編程和多功能的操作機(jī)；或是為了執(zhí)行不同的任務(wù)而具有可用電腦改變和可編程動(dòng)作的專門系統(tǒng)。它既可以接受人類指揮，又可以運(yùn)行預(yù)先編排的程序，也可以根據(jù)以人工智能技術(shù)制定的原則綱領(lǐng)行動(dòng)。它的任務(wù)是協(xié)助或取代人類工作的工作，例如生產(chǎn)業(yè)、建筑業(yè)，或是危險(xiǎn)的工作。

1.課時(shí)設(shè)置：

理論教學(xué)不少于12學(xué)時(shí)，實(shí)踐教學(xué)不少于12學(xué)時(shí)，總計(jì)不少于24學(xué)時(shí)。

2.案例**：

不少于39個(gè)案例視頻、1份案例PPT、8份實(shí)訓(xùn)指導(dǎo)書、1份代碼、7份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于案例背景、RNN模型、Seq2Seq模型、聊天機(jī)器人模型概述、語(yǔ)料庫(kù)預(yù)處理_讀取語(yǔ)料庫(kù)文件、語(yǔ)料庫(kù)預(yù)處理_分詞并構(gòu)建詞典、語(yǔ)料庫(kù)預(yù)處理_構(gòu)建映射關(guān)系、語(yǔ)料庫(kù)預(yù)處理_語(yǔ)料庫(kù)轉(zhuǎn)為id向量、語(yǔ)料庫(kù)預(yù)處理_拆分成source與target、語(yǔ)料庫(kù)預(yù)處理_詞向量訓(xùn)練、語(yǔ)料庫(kù)預(yù)處理_保存文件、模型計(jì)算圖搭建_讀取id向量、模型計(jì)算圖搭建_讀取字典、模型計(jì)算圖搭建_讀取詞向量模型、模型計(jì)算圖搭建_構(gòu)建詞向量模型矩陣、模型計(jì)算圖搭建_統(tǒng)計(jì)id向量的長(zhǎng)度、模型計(jì)算圖搭建_定義Tensor、定義LSTM、Cell、Embedding、Layers、MultRNN、Cells、Dynamic、RNN(動(dòng)態(tài)RNN)、Encoder端自定義函數(shù)、添加_BOS、Embdeeing、Layer、MultiRNN、Cells、Projection、Layer、Trainning、Decoder、Inference、Decoder、自定義Decoder端函數(shù)、Seq2Seq、Model搭建、Loss、Function、Optinize(優(yōu)化器)、梯度剪枝、Train初次運(yùn)行、Train調(diào)整、Inference_Test、調(diào)用計(jì)算圖進(jìn)行測(cè)試、The、Attention、Mechanism(注意力機(jī)制)、模型的實(shí)現(xiàn)示例。

4.技術(shù)點(diǎn)：

至少包含Word2Vec、語(yǔ)料庫(kù)構(gòu)建、TensorFlow、Seq2Seq、注意力機(jī)制。

24、【機(jī)器學(xué)習(xí)應(yīng)用案例】《電商產(chǎn)品評(píng)論數(shù)據(jù)情感分析》

通過學(xué)習(xí)本案例，可掌握網(wǎng)絡(luò)數(shù)據(jù)爬蟲技術(shù)、文本去重、文本分詞和模型構(gòu)建的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

消費(fèi)者需要在沒有看到真正的產(chǎn)品實(shí)體、做出購(gòu)買決策之前，根據(jù)其他購(gòu)物者的評(píng)論了解產(chǎn)品的質(zhì)量、性價(jià)比等信息，為購(gòu)物抉擇提供參考依據(jù)。本案例運(yùn)用數(shù)據(jù)分析技術(shù)對(duì)爬蟲獲取的數(shù)據(jù)進(jìn)行分析，然后對(duì)原始數(shù)據(jù)進(jìn)行處理，從而獲得消費(fèi)者的意見和評(píng)價(jià)。本案例的主要分析目標(biāo)為：收集用戶的評(píng)論數(shù)據(jù)，挖掘評(píng)論中的關(guān)鍵信息；分析商品的優(yōu)點(diǎn)與不足并提供改善建議。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于8學(xué)時(shí)，總計(jì)不少于12學(xué)時(shí)。

2.案例**：

不少于22個(gè)案例視頻、1份案例PPT、4份實(shí)訓(xùn)指導(dǎo)書、4份代碼、3份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于背景與目標(biāo)、數(shù)據(jù)介紹、數(shù)據(jù)讀取及簡(jiǎn)單查看、剔除換行符、去除評(píng)論數(shù)據(jù)中的產(chǎn)品型號(hào)信息、去除html語(yǔ)言中的表情符號(hào)、文本去重、分詞及去停用詞、詞云繪制、文本情感分析介紹、讀取所需詞表、計(jì)算情感詞分?jǐn)?shù)、程度副詞計(jì)算、否定詞計(jì)算、程度副詞和否定詞融合、自定義分值計(jì)算函數(shù)、所有評(píng)論數(shù)據(jù)的情感得分、保存處理后的評(píng)論數(shù)據(jù)、LDA主題模型介紹、讀取好評(píng)數(shù)據(jù)、LDA主題模型構(gòu)建、小結(jié)。

4.技術(shù)點(diǎn)：

至少包含文本去重；文本分詞；LDA模型。

25、【人工智能應(yīng)用案例】《基于姓名數(shù)據(jù)的性別智能分類》

通過學(xué)習(xí)本案例，可掌握詞袋建立、詞向量化、卷積神經(jīng)網(wǎng)絡(luò)模型構(gòu)建、模型評(píng)價(jià)的主要方法和技能，并為后續(xù)相關(guān)課程學(xué)習(xí)及將來(lái)從事數(shù)據(jù)分析工作奠定基礎(chǔ)。

用戶注冊(cè)賬號(hào)時(shí)，常常會(huì)因需要填寫繁瑣的表格而放棄注冊(cè)，容易造成用戶流失。因此，若在填寫信息的時(shí)候，當(dāng)某一個(gè)人輸入他或她的名字后，系統(tǒng)可以根據(jù)姓名判斷性別，這樣便減少用戶填寫的工作，從而提高用戶體驗(yàn)，獲取更多的新用戶。

1.課時(shí)設(shè)置：

理論教學(xué)不少于4學(xué)時(shí)，實(shí)踐教學(xué)不少于4學(xué)時(shí)，總計(jì)不少于8學(xué)時(shí)。

2.案例**：

不少于8個(gè)案例視頻、1份案例PPT、2份實(shí)訓(xùn)指導(dǎo)書、1份代碼、1份數(shù)據(jù)。（提供此**截圖加蓋供應(yīng)商公章）

3.案例內(nèi)容：

包括但不限于背景與目標(biāo)、數(shù)據(jù)讀取、缺失值處理、標(biāo)簽轉(zhuǎn)化、特征構(gòu)建：詞袋的建立、特征構(gòu)建：詞向量化、卷積神經(jīng)網(wǎng)絡(luò)原理、模型構(gòu)建與評(píng)估、模型評(píng)價(jià)、小結(jié)。

4.技術(shù)點(diǎn)：

至少包含Tensorflow、詞袋模型、padding。

人工智能課程**庫(kù)

（一）、課程**庫(kù)提供如下課程（可多于列表內(nèi)容）：

每門課程總計(jì)不少于64學(xué)時(shí)。至少包括課程視頻、課程PPT、實(shí)訓(xùn)指導(dǎo)書、代碼、數(shù)據(jù)。

1、《Python編程基礎(chǔ)》

2、▲《人工智能數(shù)學(xué)基礎(chǔ)》

3、▲《機(jī)器學(xué)習(xí)編程與實(shí)戰(zhàn)》

4、▲《人工智能導(dǎo)論》

5、▲《TensorFlow2深度學(xué)習(xí)原理與實(shí)現(xiàn)》

6、▲《圖像處理實(shí)戰(zhàn)》

7、▲《機(jī)器視覺及應(yīng)用》

8、▲《深度學(xué)習(xí)與計(jì)算機(jī)視覺實(shí)戰(zhàn)》

課程內(nèi)容與上述一致，課程名稱可以不同。

（二）、課程**庫(kù)提供如下案例**：

1、▲人工智能應(yīng)用實(shí)戰(zhàn)案例10個(gè)以上，每個(gè)案例支持不少于8個(gè)學(xué)時(shí)的實(shí)踐教學(xué)內(nèi)容，提供案例實(shí)操視頻、案例PPT、實(shí)訓(xùn)指導(dǎo)書、代碼、數(shù)據(jù)。

人工智能設(shè)備套件

一、硬件：

1、沙盤外形：長(zhǎng)為850mm，寬為560mm，高為1800mm(允許±5%誤差)。

2、支架采用鋁型材，面板為鋁塑復(fù)合板件，兼顧結(jié)構(gòu)的穩(wěn)定性與整體的美觀。

3、采用USB接口相機(jī)。

4、采用輕量型四軸機(jī)械臂，最大功率60W，配置吸盤、氣動(dòng)手爪和氣泵控制盒。

5、電腦參數(shù)：CPU i5以上，內(nèi)存8.0G以上，硬盤轉(zhuǎn)速7200以上，容量500G以上。

6、鍵盤×1，鼠標(biāo)×1，物料托盤×2，專用標(biāo)定板1塊，工具收納盒1個(gè)。

7、顯示屏參數(shù)：面板尺寸≧31.5英寸，屏幕比例16：9，最佳分辨率1920×1080以上。

8、物料參數(shù)：提供電容零件50個(gè)，多色不定形狀七巧板50塊。

二、軟件：

1、提供無(wú)序分揀功能。對(duì)處于無(wú)序狀態(tài)下的若干個(gè)電容零件，可以通過神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)出零件的抓取位置并指揮機(jī)械臂進(jìn)行抓取。

2、提供基于Windows GUI的機(jī)械臂標(biāo)定、移動(dòng)、工作區(qū)域圈定、連接、斷開功能。

3、支持?jǐn)?shù)據(jù)源、預(yù)處理算法、神經(jīng)網(wǎng)絡(luò)模型、發(fā)布模型的選擇。

4、▲提供圖像處理前后的實(shí)時(shí)對(duì)比功能。（提供此功能截圖加蓋供應(yīng)商公章）

5、提供基于TensorFlow的深度神經(jīng)網(wǎng)絡(luò)初始模型，支持用戶在初始模型的基礎(chǔ)上搭建新的神經(jīng)網(wǎng)絡(luò)，進(jìn)行訓(xùn)練并保存結(jié)果。

6、▲支持根據(jù)當(dāng)前代碼實(shí)時(shí)生成網(wǎng)絡(luò)結(jié)構(gòu)圖。（提供此功能截圖加蓋供應(yīng)商公章）

7、▲支持模型訓(xùn)練步驟設(shè)置、模型名稱設(shè)置、實(shí)時(shí)查看模型訓(xùn)練損失和模型準(zhǔn)確率。（提供此功能截圖加蓋供應(yīng)商公章）

8、支持HTML格式模型訓(xùn)練報(bào)告的生成。

9、▲支持抓取結(jié)果、抓取成功率、模型預(yù)測(cè)成功率的實(shí)時(shí)查看。（提供此功能截圖加蓋供應(yīng)商公章）

10、支持基于光電感應(yīng)開關(guān)的圖像數(shù)據(jù)實(shí)時(shí)自動(dòng)標(biāo)注功能。

11、支持用戶更改抓取對(duì)象，重新采集數(shù)據(jù)并進(jìn)行深度學(xué)習(xí)訓(xùn)練。

12、提供模版匹配功能，能夠根據(jù)提前截取的模版，通過計(jì)算相似度，對(duì)高于一定閾值的物體進(jìn)行抓取。

三、教學(xué)**：

1、▲提供基于深度學(xué)習(xí)的無(wú)序抓取案例說(shuō)明文檔，文檔內(nèi)容包括圖像數(shù)據(jù)采集、圖像數(shù)據(jù)預(yù)處理、模型構(gòu)建、模型對(duì)比、模型評(píng)價(jià)等。（提供此**截圖加蓋供應(yīng)商公章）

2、提供案例配套教學(xué)PPT，輔助日常教學(xué)工作。

3、提供案例配套樣例數(shù)據(jù)，可添加沙盤實(shí)時(shí)數(shù)據(jù)。

4、提供案例配套代碼，代碼與文檔對(duì)應(yīng)，沙盤增量數(shù)據(jù)無(wú)需更改代碼即可運(yùn)行。

人工智能設(shè)備套件

★人工智能設(shè)備套件是模塊化硬件小型設(shè)備，可以在桌面上進(jìn)行實(shí)操演示、模型訓(xùn)練和課程教學(xué)。能夠滿足日常專業(yè)教學(xué)、學(xué)生競(jìng)賽、認(rèn)證考試、教師課題研究等一體化需求。

1、提供設(shè)備說(shuō)明文檔和實(shí)操手冊(cè)。

2、配套教學(xué)PPT，輔助日常教學(xué)工作。

3、提供設(shè)備配套樣例數(shù)據(jù)。

4、提供設(shè)備配套代碼。