人工智能课程大纲Word格式.docx

1、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

2、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（

3、见大数据）4.机器学习课程名称机器学习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。（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。64什么是机器学习 视频2：机器学习的方法 视频3

4、：模型评估与选择视频4： python介绍和平台搭建基本语法视频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：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.建模视频21：logistic回归建模视频22：logistic 实战视频23：分类问题信息爛决策树学习算法随机森林线性可分支持向疑机线性支持向量机和软间隔非线性支持向量机SM0算法朴素贝叶斯视频34：贝叶斯决策论&贝叶斯分类器应

5、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：XG Boost.视频40：Adaboost视频41：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 KNN应用举例线性回归和回归树举例 Logistic回归应用举例决策树应用举例支持向量机应用举例实脸8

6、：贝叶斯分类器应用举例集成学习应用举例 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TensorFlow深度学习实战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

7、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。（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。第一讲：走进深度学习世界第二

8、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。（1） 掌握深度学习的框架，以

9、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深度学习概论深度学习基础多层感知机网络卷积神经网络图像识别原理与实践卷积神经网络进阶-经典模型及迁移学习Callbacks 与 Tensorboard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 1： Anaconda、Tensorflow/Keras 的安装张量运算程序设计基于Keras搭建多层感知机网络用于手写数字分类任务基于Keras搭建卷积神经网络用于手写数字分类利用VGG模型进行深度神经网络迁移学习实验 6： Callbacks 函数及 Tensorboard 使用基于Keras构建GAN

10、网络用于手写数字图像生成基于Keras构建循环神经网络用于时间序列预测分析利用Deep Q-Network控制倒立摆7. OpenCV图像处理实战OpenCV图像处理实战本课程基于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iXi OpenCV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。（1） 熟悉数字图像处理的

11、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图像及其基本操作图像基本运算及绘图函数 第三讲：图像变换图像处理图像直方图图像形态学图像轮解第八讲：图像分割第九讲：图像特征提取与匹配第十讲：视频操作与分析图像基本操作 实验二：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.计算机视觉计算机视觉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。（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计算机视觉槪论卷积神经网络与图像分类图像深度去噪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修补缺损图像绘画艺术创作一神经网络画风转换实践基于深度学习的图像语义分割目标检测技术计算机视觉编程环境安装配It搭建卷积神经网络进行图像识别给黑白老照片上色实验5