了解課堂上人工智能學(xué)習(xí)的痛點(diǎn)。 了解 華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng) 和 華清遠(yuǎn)見人工智能訓(xùn)練工具包 結(jié)構(gòu)的功能。 了解人工智能的發(fā)展以及現(xiàn)在人工智能在各個(gè)領(lǐng)域上的應(yīng)用，通過學(xué)習(xí)Python了解該語言在人工智能開發(fā)上的優(yōu)缺點(diǎn)，并能夠簡單的開發(fā)和使用Python。

• 1人工智能技術(shù)發(fā)展與項(xiàng)目介紹

• 2人工智能在云側(cè)、端側(cè)的不同作用

• 3Python的基本操作

  3.1 縮進(jìn)
  3.2 注釋
  3.3 輸入輸出
  3.4 轉(zhuǎn)義

• 4Python的數(shù)據(jù)類型

  4.1 Numbers類型
  4.2 String類型
  4.3 List類型
  4.4 Tuple類型
  4.5 Dict類型

• 1《華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)》軟件安裝與使用

• 2Jupyter的使用規(guī)則

• 3學(xué)習(xí)Python的基礎(chǔ)實(shí)踐操作

• 4基于《華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)》學(xué)習(xí)Python的基本操作

本節(jié)開始講解在人工智能開發(fā)過程中，基于Python常用的庫，包括Numpy、Matplotlib、Pandas、Sklearn等。

• 1Numpy矩陣介紹

• 2OpenCV矩陣介紹

• 3Matplotlib繪圖庫介紹

4Pandas數(shù)據(jù)分析庫介紹

• 5Sklearn機(jī)器學(xué)習(xí)庫介紹

• 6MQTT消息協(xié)議

• 7JSON數(shù)據(jù)封裝及解析

• 8Flask后端庫介紹

• 1基于Numpy實(shí)操

  1.1 數(shù)組的創(chuàng)建
  1.2 打印數(shù)組
  1.3 數(shù)組運(yùn)算
  1.4 形狀改變

• 2基于Matplotlib實(shí)操

  2.1 繪制正弦圖
  2.2 繪制余弦圖
  2.3 繪制繪圖區(qū)域
  2.4 繪制散點(diǎn)圖

• 3基于Pandas實(shí)操

  3.1 創(chuàng)建Series對象
  3.2 訪問Series元
  3.3 創(chuàng)建DataFrame對象

• 4基于《華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)》實(shí)現(xiàn)數(shù)字圖像處理的學(xué)習(xí)

掌握機(jī)器學(xué)習(xí)算法與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念與基礎(chǔ)知識，應(yīng)用 華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng) 進(jìn)行算法與結(jié)果判別，并通過軟件與代碼的一鍵生成了解代碼內(nèi)部構(gòu)造。

• 1機(jī)器學(xué)習(xí)的方向

• 2經(jīng)典的機(jī)器學(xué)習(xí)實(shí)踐

• 3機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別

• 4簡單的神經(jīng)網(wǎng)絡(luò)實(shí)踐

• 1基于 華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng) 實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法

  1.1 線性回歸
  1.2 邏輯回歸
  1.3 KNN
  1.4 bayes
  1.5 SVM
  1.6 聚類算法

• 2基于《華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)》實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)算法

了解視覺領(lǐng)域的相關(guān)概念，學(xué)習(xí)分類和檢測算法的應(yīng)用場景與異同。 基于 華清遠(yuǎn)見人工智能訓(xùn)練工具包 訓(xùn)練農(nóng)副產(chǎn)品的相關(guān)數(shù)據(jù)，選擇不同網(wǎng)絡(luò)進(jìn)行優(yōu)勢判別。

• 1計(jì)算機(jī)視覺-圖像識別

  1.1 圖像識別面臨的挑戰(zhàn)
  1.2 早期圖像識別方式
  1.3 中期圖像識別方式
  1.4 人工智能時(shí)代圖像識別方式

• 2人工智能圖像識別-方法和步驟

  2.1 模型選擇和建立
  2.2 損失函數(shù)選擇
  2.3 開始訓(xùn)練

• 3人工智能圖像識別-為什么是卷積神經(jīng)網(wǎng)絡(luò)？

  3.1 全連接網(wǎng)絡(luò)介紹
  3.2 卷積神經(jīng)網(wǎng)絡(luò)介紹
  3.3 經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)

• 4人工智能自然語言處理-技術(shù)概述

• 1學(xué)習(xí)使用代碼實(shí)現(xiàn)卷積神經(jīng)網(wǎng)絡(luò)算法

• 3基于 華清遠(yuǎn)見人工智能訓(xùn)練工具包 實(shí)現(xiàn)農(nóng)副產(chǎn)品、垃圾分類算法實(shí)踐

  1.1 數(shù)據(jù)集的采集
  1.2 標(biāo)注軟件介紹
  1.3 數(shù)據(jù)集標(biāo)注
  1.4 數(shù)據(jù)增強(qiáng)
  1.5 網(wǎng)絡(luò)參數(shù)修改
  1.6 網(wǎng)絡(luò)訓(xùn)練
  1.7 訓(xùn)練結(jié)果判斷

• 2了解代碼實(shí)現(xiàn)與 華清遠(yuǎn)見人工智能訓(xùn)練工具包 實(shí)現(xiàn)算法訓(xùn)練的優(yōu)劣勢

通過場景與算法結(jié)合，使用《華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)》與 《華清遠(yuǎn)見人工智能訓(xùn)練工具包》 實(shí)現(xiàn)算法從訓(xùn)練到部署的完整過程。

• 1實(shí)現(xiàn)模型訓(xùn)練與預(yù)測功能

• 2模型后端部署

• 3基于http請求目標(biāo)檢測結(jié)果

• 1基于人工智能工業(yè)互聯(lián)網(wǎng)教學(xué)實(shí)驗(yàn)平臺實(shí)現(xiàn)農(nóng)副產(chǎn)品分類，垃圾分類。 案例功能：

  案例功能：
  1）部署一套可實(shí)現(xiàn)垃圾分類的后端
  2）基于QT、mqtt與設(shè)備端進(jìn)行交互，實(shí)現(xiàn)垃圾識別分揀功能