|
課程類別 |
課程要求 |
|
1.人工智能概論 |
課程內容 |
理解人工智能概念、發展歷史、 |
|
2.Python基礎編程 |
課程目標 |
掌控把握Python基礎編程方法 |
|
課程內容 |
基于人工智能研發套件完成Python研發環境搭建,基礎語法的入門,通信編程研發等。 |
|
課程實驗 |
實驗1:研發環境裝配
實驗2:數值類型
實驗3:程序控制
實驗4:函數類 |
實驗5:模型塊和標準庫
實驗6:文件和流
實驗7:數值庫和互聯網編程
實驗8:圖形用戶界面 |
3.數字圖像處置整理
實驗課程 |
課程目標 |
理解圖像處置整理算法的原理
掌控把握數字圖像處置整理的常用方法 |
|
課程內容 |
基于人工智能研發套件完成圖像處置整理視覺庫的裝配、圖像處置整理方法調用。 |
|
實驗硬件 |
人工智能應用研發套件 |
|
課程實驗 |
實驗1 Opencv視覺庫的裝配配備
實驗2 圖像灰度化
實驗3 歸一化
實驗4 二值化
實驗5 圖像濾波:高斯、中值 |
實驗6 邊緣檢驗測試:Sobel/Canny/hog
實驗7 形態學
實驗8 灰度直方圖
實驗9 銳化
實驗10 鈍化
實驗11 圖像增強 |
|
課程實驗 |
實驗1 顏色識別 |
理解顏色構成和表示方法;
使用Opencv庫識別顏色,并播報。 |
|
實驗2 簡便圖形形狀識別 |
理解霍夫變換的原理;
涉及圖像灰度化、歸一化、濾波、邊緣檢驗測試等知識點;
使用Opencv庫識別圓形、矩形,并播報。 |
4.機器學習掌控把握
應用實驗課 |
課程目標 |
1.理解機器學習掌控把握的分類:無監督、有監督
2.理解數值集的原理、作用、存儲格式
3.理解至少一種聚類算法如K-Means的原理:歐式距離、余弦距離曼哈頓距離計算方法;
4.理解至少一種機器學習掌控把握算法如Adaboost、SVM、決策樹等的原理:分類器的流程;
5.掌控把握聚類算法、分類器算法的調用方法
6.掌控把握分類器的檢驗測試分類效果
7.掌控把握按照分類效果,實行智能控制
8.經過增減數值集,掌控把握算法實訓的全過程 |
|
課程內容 |
能夠使用機器學習掌控把握的算法,完成聚類、分類、以及能夠集合聲、光、電設備完成關聯控制 |
|
課程實驗 |
實驗1 鳶尾花聚類播報
實驗2 臉部數值集解析顯露 |
實驗3 人臉檢驗測試控制實驗
實驗4 行人檢驗測試控制實驗
實驗5 車牌識別 |
5.深度學習掌控把握
應用實驗課 |
課程目標 |
1.理解深度學習掌控把握的定義,與機器學習掌控把握的區別
2.理解數值集的原理、作用,以及格式
2.理解至少一種深度學習掌控把握算法的課程課程理論:如CNN、RNN、BP神經互聯網
3.掌控把握至少一種深度學習掌控把握框體結構的使用方法:如Caffe、TensorFlow
4.掌控把握使用深度學習掌控把握方法完成識別的方法
5.掌控把握按照識別成果,實行智能控制,如語音播報識別到的數字,語音播報識別到的物體名稱,控制聲、光、電執行部位件。
6.經過多加數值集,掌控把握算法實訓的全過程。 |
|
課程內容 |
能夠使用深度學習掌控把握的方法,完成數字、物體識別,使人工智能與物聯網感控設備聯動 |
|
課程實驗 |
實驗1 手寫數字識別
實驗2 涂鴉猜游戲 |
實驗3 物體識別
實驗4 垃圾分類 |
|
6.自然語言應用研發實驗課 |
課程目標 |
掌控把握使用人工智能平臺SDK完成語音識別技能 |
|
課程內容 |
1)經過寫入的語音實行識別,能夠支持整段音頻實行識別以及流式語音識別。
2)整段文字識別,在用戶錄入整段音頻后,能夠將返回語音的文字內容。
3)流式識別可以完成邊錄音邊識別,并能在錄入過程中將識別的內容同步顯露出來。 |
|
課程實驗 |
實驗1 語音喚醒
實驗2 語音合成 |
實驗3 語義理解
實驗4 文字識別 |
|
7.嵌入式連接口技術與傳感器系列 |
課程目標 |
掌控把握單片機傳感器原理研發 |
|
課程內容 |
1.溫濕度傳感器實驗
2.光敏傳感器實驗
3.pm2.5傳感器實驗
4.結露傳感器實驗
5.超聲波傳感器實驗
6.紅外反射傳感器實驗
7.霍爾傳感器實驗
8.稱重傳感器實驗 |
9.九軸傳感器實驗
10.熱釋紅外傳感器實驗
11.振動傳感器實驗
12.聲音傳感器實驗
13.紫外線傳感器實驗
14.環境光傳感器實驗
15.紅外對射傳感器實驗
16.顏色識別傳感器實驗 |
|
8.嵌入式Android系統應用研發 |
課程目標 |
掌控把握Android物聯網應用研發方法 |
|
課程內容 |
1.網關接入云平臺配備
2.ModbusRTU通信協議的解析
3.平臺JSON數值包重組 |
4.MQTT協議解析與測量試驗
5.HTTP協議解析與測量試驗 |