人工智能课程大纲.docx
《人工智能课程大纲.docx》由会员分享，可在线阅读，更多相关《人工智能课程大纲.docx（26页珍藏版）》请在冰豆网上搜索。
人工智能课程大纲
课程
1.人工智能应用与实践
课程爼称
人工智能应用与实践
课程介绍
本课程首先从宏观上讲述了人工智能技术的范畴，发展方向，以及近几年的状况。
结合实验，介绍人工智能在图像识别，分类，语音识别，自然语言处理等方而的应用场景。
课程目标
学生完成课程后的总体目标是：
（1）淸晰了解人工智能的技术发展，行业发展和现状
（2）了解人工智能在行业中的应用，能够理解实际案例
课程时长
32
课程内容
视频1:
什么是智能
视频2：
什么是人工智能视频3：
人工智能的发展简史视频4：
人工智能的应用
视频5：
机器学习视频6：
神经网络视频7：
深度学习视频8：
OCR基本介绍视频9：
OCR的应用场景视频10：
OCR的功能演示视频自定义模版文字识别视频12：
图像识别基础知识视频13：
图像识别与深度学习视频14：
图像识别技术的应用视频15：
图像识别功能演示视频16：
EasyDL定制化图像识别视频17：
人脸识别技术介绍视频18：
人脸识别应用视频19：
人脸识别演示
视频20：
人体分析视频21：
人体分析应用视频22：
人体分析服务演示视频23：
语音技术基础
视频24：
语音识别应用设计
视频25：
语音唤醒.
视频26：
声纹识别
视频27：
语音合成
视频28：
语音技术应用
视频29：
语音技术演示
视频30：
自然语言处理基础
视频31：
自然语言处理应用
视频32：
自然语言处理演示
视频33：
机器翻译基本介绍视频34：
机器翻译应用
视频35：
机器翻译演示
实验1:
通用文字识别
实验2：
识別各类卡片证照的应用
实验3：
识別中国大陆机动车车牌的应用
实验4：
识别营业执照以及支票的应用
实验5：
识別表格内容完成纸质报表单据的电子化应用
实验6：
自泄义模板完成文字识别的应用
实验7：
菜品识别分类
实验8：
车辆识别分类
实验9：
商标识别分类
实验10：
动物识别分类
实验植物识别分类
实验12：
EasyDL左制化图像识別
实验内容
实验13：
人脸检测和属性分析
实验14：
人脸相似度对比
实验15：
人脸搜索应用
实验16：
人体关键点识別的应用开发
实验17：
人体属性分析的应用开发
实验18：
人流量统计的应用开发
实验19：
语音识别的应用开发
实验20：
语音合成的应用开发
实验21：
词法分析
实验22：
词向量表示
实验23：
DNN语言模型
实验24：
评论观点抽取
实验25：
短文本相似度
实验26：
情感倾向分析
2.Python编程基础（见大数据）
3.Python数据分析（见大数据）
4.机器学习
课程名称
机器学习
课程介绍
本课程从机器学习的基本知识导入，讲述数据淸洗，特征选择，建模，模型评估和优化，模型选择的基本流程。
并讲述了常用的线性回归，逻辑分类，决策树，随机森林，K-近邻，支持向量机以及K-均值聚类算法等，讲解算法的基本原理，结合案例和Python库讲解如何应用算法，以及对应的场景和注意事项。
课程目标
学生完成课程后的总体目标是：
（1）掌握通过机器学习算法建模的基本流程和方法
（2）掌握主要机器学习算法的基本原理和应用场景
（3）能够利用Python库，应用常见算法完成建模
（4）根据数据和应用场景，选择合适的算法，完成数据淸洗，建模，评估的过程。
课程时长
64
课程内容
视频1:
什么是机器学习视频2：
机器学习的方法视频3：
模型评估与选择
视频4：
python介绍和平台搭建
视频5：
基本语法
视频6：
python数据挖掘
视频7：
学习内容介绍
视频8：
以简尾花数据集为例
视频9：
什么是聚类
视频10：
相似性度量
视频11：
常用的聚类分析方法
视频12：
应用案例
视频13：
模型介绍
视频14:
距离度疑和k值选择
视频15：
应用案例
视频16：
相关分析
视频17：
—元线性回归分析视频18：
多元线性回归分析视频19：
案例介绍.
视频20：
建模
视频21：
logistic回归建模
视频22：
logistic实战
视频23：
分类问题
视频24：
信息爛
视频25：
决策树学习算法
视频26：
随机森林
视频27：
应用案例
视频28：
线性可分支持向疑机
视频29：
线性支持向量机和软间隔
视频30：
非线性支持向量机
视频31：
SM0算法
视频32：
应用案例
视频33：
朴素贝叶斯
视频34：
贝叶斯决策论&贝叶斯分类器
视频35：
应用案例.
视频36：
bagging和随机森林
视频37：
前向分布算法
视频38：
梯度提升树
视频39：
XGBoost.
视频40：
Adaboost
视频41：
应用案例
视频42：
神经元模型
视频43：
感知机与多层网络
视频44：
误差逆传播算法
视频45：
深度学习
视频46：
应用举例
视频47：
实验1实验准备
视频48：
实验2-01实验目的及步骤
视频49：
实验2-02实验模型程序（上）
视频50：
实验2-03实验模型程序（下）
视频51：
实验3集成算法
实验1：
Python机器学习相关工具安装与使用介绍实验2：
聚类分析应用举例
实验3：
KNN应用举例
实验4：
线性回归和回归树举例
实验5：
Logistic回归应用举例
实验内容
实验6：
决策树应用举例
实验7：
支持向量机应用举例
实脸8：
贝叶斯分类器应用举例
实验9：
集成学习应用举例实验10：
神经网络应用举例
实验11：
通讯运营商客户流失案例之单模型分析实验12：
通讯运营商客户流失案例之集成模型分析
5.TensorFlow深度学习实战
课程名称
TensorFlow深度学习实战
课程介绍
我们正处于一个日新月异、飞速变革的时代，层岀不穷的新技术每天都在冲击和改变我们的生活，人工智能无疑是其中最受关注、也是影响最为深远的技术领域。
为了提髙科研和应用的开发效率，而向深度学习的开发框架不断涌现，而TensorFlow就是苴中的佼佼者，课程从TensorFlow的基本计算结构开始讲起，逐步延伸到深度学习各大神经网络，全程案例代码实战，一步步带大家入门如何使用TensorFlow玩转深度学习。
课程风格通俗易懂，快速掌握当下最热门的深度学习框架。
课程目标
学生完成课程后的总体目标是：
（1）了解深度学习的发展历程与发展阶段，熟悉深度学习在il•算机视觉与自然语言处理领域的应用场景。
（2）理解TensorFlow计算图的槪念与原理；利用会话运行计算图模型。
（3）掌握张量、占位符、数据喂入、模型保存与恢复、计算图可视化等概念的基本原理。
（4）理解全连接网络的向前传输过程，熟悉学习率、梯度下降、反向传播的推导过程。
（5）掌握卷积神经网络的基本模型，理解卷积、池化的概念，能能够网络模型搭建神经网络。
（6）应用卷积神经网络模型解决现实场景中的问题。
课程时长
64
课程内容
第一讲：
走进深度学习世界
第二讲：
搭建深度学习开发环境
第三讲：
构建二维线性拟合模型
第四讲：
全连接网络模型构建房屋价格预测模型
第五讲：
构建手写字识别模型
第六讲：
LeNet-5模型构建手写字识别
第七讲：
AlexNet物体图分类识别模型构建
实验内容
实验一：
构建二维数据拟合模型
实验二：
构建泰坦尼克号生存率模型
实验三：
全连接神经网络构建手写字识別模型实验四：
LeNet-5构建手写字别模型
实验五：
AlexNet构建物体分类模型
6.神经网络与深度学习
课程介绍
本课程讲解了神经网络方而技术，包括多层感知机，卷积神经网络，循环神经网络，及英经典架构和常见应用。
并介绍常用的深度学习框架TensorFlow,实现多种经典模型。
课程目标
学生完成课程后的总体目标是：
（1）掌握深度学习的框架，以及常用的经典模型
（2）了解分布式计算框架和并行计算框架处理大规模计算的方式
课程时长
64
课程内容
第一讲：
深度学习概论
第二讲：
深度学习基础
第三讲：
多层感知机网络
第四讲：
卷积神经网络图像识别原理与实践
第五讲：
卷积神经网络进阶-经典模型及迁移学习
第六讲：
Callbacks与Tensorboard
第七讲：
生成式对抗网络GAN
第八讲循环神经网络
第九讲深度强化学习导论
实验内容
实验1：
Anaconda、Tensorflow/Keras的安装
实验2：
张量运算程序设计
实验3：
基于Keras搭建多层感知机网络用于手写数字分类任务
实验4：
基于Keras搭建卷积神经网络用于手写数字分类
实验5：
利用VGG模型进行深度神经网络迁移学习
实验6：
Callbacks函数及Tensorboard使用
实验7：
基于Keras构建GAN网络用于手写数字图像生成
实验8：
基于Keras构建循环神经网络用于时间序列预测分析
实验9：
利用DeepQ-Network控制倒立摆
7.OpenCV图像处理实战
课程名称
OpenCV图像处理实战
课程介绍
本课程基于OpenCV最新版本3.4.0详细讲述OpenCV图像处理部分内容。
主要包括图像的读取、几何变换、通道的分离与合并、R0I的标记、平滑与锐化操作、视频操作与目标检测，各种基于常用核心API讲述基本原理、使用方法、参数、代码演示、图像处理思路与流程讲授。
涵iXiOpenCV中图像处理部分的全部主要内容。
课程中穿插了应用开发中常见问题与分析，是学习图像知识与应用开发最佳实践课程。
课程目标
学生完成课程后的总体目标是：
（1）熟悉数字图像处理的基本内容，能正确读取、显示与保存图像。
（2）熟悉各种基本绘图函数，能绘制圆形、矩形与文字。
（3）理解平移、旋转、缩放、仿射等各种几何变换。
（4）掌握图像平滑与边缘提取的各种方法。
（5）理解图像形态学的基本操作，如膨胀与腐蚀等。
（6）理解图像特征提取的各种方法
（7）应用视频及相关算法进行目标检测
课程时长
64
课程内容
第一讲：
图像及其基本操作
第二讲：
图像基本运算及绘图函数第三讲：
图像变换
第四讲：
图像处理
第五讲：
图像直方图
第六讲：
图像形态学
第七讲：
图像轮解
第八讲：
图像分割
第九讲：
图像特征提取与匹配
第十讲：
视频操作与分析
实验内容
实验一：
图像基本操作实验二：
图像变换
实验三：
提取图像边缘实验四：
绘制图像轮邮实验五：
提取图像特征实验六：
视频目标检测
8.计算机视觉
课程名称
计算机视觉
课程介绍
课程讲解了计算机视觉的发展，着重讲解深度学习在汁算机视觉方而的应用，卷积神经网络及英经典架构，以及在目标检测，目标识别，图像问答，物体跟踪等方而的应用。
课程目标
学生完成课程后的总体目标是：
（1）了解计算机视觉的技术发展
（2）掌握卷积神经网络以及经典架构
（3）能够应用经典深度学习模型处理计算机视觉的相关问题
课程时长
64
课程内容
第一讲：
计算机视觉槪论
第二讲：
卷积神经网络与图像分类
第三讲：
图像深度去噪
第四讲：
打开尘封记忆一给黑白老照片自动上色第五讲：
利用生成对抗网络GAN修补缺损图像
第六讲：
绘画艺术创作一神经网络画风转换实践
第七讲：
基于深度学习的图像语义分割
第八讲：
目标检测技术
实验内容
实验1:
计算机视觉编程环境安装配It
实验2：
搭建卷积神经网络进行图像识别
实验3：
图像深度去噪
实验4：
给黑白老照片上色
实验5
升级会员 