|
深度学习应用开发系统
1、配套资源：课程须配置理论PPT和实验手册，具体数量为：不低于15份文档PPT和不低于5个实验，不低于15个视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作。
2、包括但不限于以下知识点或实验：Linux系统概述、文件系统、shell命令简介、文件目录管理、数据处理、磁盘管理、进程管理、网络管理、Linux文件权限、vi与vim、sed与awk、shell脚本简介、变量、数据类型、运算符、条件语句、循环语句、重定向、管道、用户输入、函数、正则表达式、控制脚本；Linux系统基本命令实验、文件权限管理实验、用户输入实验、Linux命令综合实验、简单脚本实验、运算符及结构控制实验、函数及重定向实验、Linux Shell脚本编程实验。
课程资源包-Python程序设计基础
1、配套资源：课程须配置理论PPT和实验手册，具体数量为：不低于10份文档PPT和不低于10个实验，不低于5个视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作。
2、包括但不限于以下知识点或实验：Python环境与编程基础、Python基础语法、Python函数式编程和面向对象编程、Python迭代器生成器、正则式以及常用库、Python数据结构与算法、Python排序算法、Python线性表算法、Python堆栈和队列算法、Python树形结构算法、Python图结构算法；Python基础操作实操、Python基础语法实操、Python函数编程以及面向对象实操、Python迭代器与生成器，正则项与常用标准库实操、Python排序算法实操。
课程资源包-深度学习应用开发
1、配套资源：课程须配置理论PPT和实验手册等，具体数量为：不低于5份文档PPT和不低于10个实验，不低于1个引导视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作
2、包括但不限于以下知识点或实验：深度学习概览、机器学习算法基础知识、深度学习算法基础知识、TensorFlow2.0基础知识、神经系统网络、优化器及正则化、卷积神经系统网络、循环神经系统网络、深度学习应用场景；线性回归实操、神经系统网络鸢尾花数据集分类实操、神经系统网络fashionmnist数据集分类实操、卷积神经网络分类实操、卷积神经网络回归实操。
课程资源包-人工智能数据服务
1、配套资源：课程须配置理论PPT和实验手册，具体数量为：不低于10份文档PPT和不低于15个实验，不低于1个引导视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作。
2、包括但不限于以下知识点或实验：数据可视化简介、Python数据可视化工具Matplolib、Seaborn、Python库常用操作及Numpy常用操作、Pandas、Scikit-learn操作与原理、图像获取分割、抽取、识别与理解、像素亮度变换、几何变换、形态学处理方法、图像滤波、文本基本预处理、词义表示、语音数据预处理；Matplolib数据可视化操作实操、Seaborn数据可视化操作实操、Numpy操作实操、Pandas操作实操、Scikit-learn操作实操。
课程资源包-计算机视觉应用开发
1、配套资源：课程须配置理论PPT和实验手册，具体数量为：不低于15份文档PPT和不低于15个实验，不低于5个引导视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作。
2、包括但不限于以下知识点或实验：计算机视觉概览、数字图像基础、图像的灰度变换、图像的几何变换、形态学处理方法、图像滤波方法、SIFT尺度不变特征变换、HOG方向梯度直方图、LBP特征、HAAR特征、卷积神经网络、卷积神经网络的训练及调参过程、卷积神经系统网络经典网络架构、光学字符识别基础知识、图像分割实验基础知识、人脸识别实验基础知识、图像风格迁移实验基础知识；图像的显示、保存和颜色空间变换实操、图像灰度变换、直方图变换、图像二值化实操、图像几何变换实操、图像形态学变化、基于模板的文字分类实操、图像滤波实操。
课程资源包-智能语音处理及应用开发
1、配套资源：课程须配置理论PPT和实验手册，具体数量为：不低于5份文档PPT和不低于10个实验，不低于1个引导视频；该课程配套的相关资源及实验均支持在实训平台上进行观看和实验操作
2、包括但不限于以下知识点或实验： 语音处理基础、语音识别算法、单高斯模型、混合高斯模型、马尔科夫链、隐马尔科夫链模型、HMM-GMM语音识别算法、深度学习语音识别算法；语音预处理基础实操、单高斯模型参数求解实操、混合高斯模型参数求解实操、隐马尔科夫链求解词性标注实操、基于HMM-GMM的单字识别实操。
|
