|
深度學習應(yīng)用開發(fā)系統(tǒng)
1、配套資源：課程須配置理論PPT和實驗手冊，具體數(shù)量為：不低于15份文檔PPT和不低于5個實驗，不低于15個視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作。
2、包括但不限于以下知識點或?qū)嶒灒篖inux系統(tǒng)概述、文件系統(tǒng)、shell命令簡介、文件目錄管理、數(shù)據(jù)處理、磁盤管理、進程管理、網(wǎng)絡(luò)管理、Linux文件權(quán)限、vi與vim、sed與awk、shell腳本簡介、變量、數(shù)據(jù)類型、運算符、條件語句、循環(huán)語句、重定向、管道、用戶輸入、函數(shù)、正則表達式、控制腳本；Linux系統(tǒng)基本命令實驗、文件權(quán)限管理實驗、用戶輸入實驗、Linux命令綜合實驗、簡單腳本實驗、運算符及結(jié)構(gòu)控制實驗、函數(shù)及重定向?qū)嶒�、Linux Shell腳本編程實驗。
課程資源包-Python程序設(shè)計基礎(chǔ)
1、配套資源：課程須配置理論PPT和實驗手冊，具體數(shù)量為：不低于10份文檔PPT和不低于10個實驗，不低于5個視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作。
2、包括但不限于以下知識點或?qū)嶒灒篜ython環(huán)境與編程基礎(chǔ)、Python基礎(chǔ)語法、Python函數(shù)式編程和面向?qū)ο缶幊�、Python迭代器生成器、正則式以及常用庫、Python數(shù)據(jù)結(jié)構(gòu)與算法、Python排序算法、Python線性表算法、Python堆棧和隊列算法、Python樹形結(jié)構(gòu)算法、Python圖結(jié)構(gòu)算法；Python基礎(chǔ)操作實操、Python基礎(chǔ)語法實操、Python函數(shù)編程以及面向?qū)ο髮嵅�、Python迭代器與生成器，正則項與常用標準庫實操、Python排序算法實操。
課程資源包-深度學習應(yīng)用開發(fā)
1、配套資源：課程須配置理論PPT和實驗手冊等，具體數(shù)量為：不低于5份文檔PPT和不低于10個實驗，不低于1個引導視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作
2、包括但不限于以下知識點或?qū)嶒灒荷疃葘W習概覽、機器學習算法基礎(chǔ)知識、深度學習算法基礎(chǔ)知識、TensorFlow2.0基礎(chǔ)知識、神經(jīng)系統(tǒng)網(wǎng)絡(luò)、優(yōu)化器及正則化、卷積神經(jīng)系統(tǒng)網(wǎng)絡(luò)、循環(huán)神經(jīng)系統(tǒng)網(wǎng)絡(luò)、深度學習應(yīng)用場景；線性回歸實操、神經(jīng)系統(tǒng)網(wǎng)絡(luò)鳶尾花數(shù)據(jù)集分類實操、神經(jīng)系統(tǒng)網(wǎng)絡(luò)fashionmnist數(shù)據(jù)集分類實操、卷積神經(jīng)網(wǎng)絡(luò)分類實操、卷積神經(jīng)網(wǎng)絡(luò)回歸實操。
課程資源包-人工智能數(shù)據(jù)服務(wù)
1、配套資源：課程須配置理論PPT和實驗手冊，具體數(shù)量為：不低于10份文檔PPT和不低于15個實驗，不低于1個引導視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作。
2、包括但不限于以下知識點或?qū)嶒灒簲?shù)據(jù)可視化簡介、Python數(shù)據(jù)可視化工具Matplolib、Seaborn、Python庫常用操作及Numpy常用操作、Pandas、Scikit-learn操作與原理、圖像獲取分割、抽取、識別與理解、像素亮度變換、幾何變換、形態(tài)學處理方法、圖像濾波、文本基本預處理、詞義表示、語音數(shù)據(jù)預處理；Matplolib數(shù)據(jù)可視化操作實操、Seaborn數(shù)據(jù)可視化操作實操、Numpy操作實操、Pandas操作實操、Scikit-learn操作實操。
課程資源包-計算機視覺應(yīng)用開發(fā)
1、配套資源：課程須配置理論PPT和實驗手冊，具體數(shù)量為：不低于15份文檔PPT和不低于15個實驗，不低于5個引導視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作。
2、包括但不限于以下知識點或?qū)嶒灒河嬎銠C視覺概覽、數(shù)字圖像基礎(chǔ)、圖像的灰度變換、圖像的幾何變換、形態(tài)學處理方法、圖像濾波方法、SIFT尺度不變特征變換、HOG方向梯度直方圖、LBP特征、HAAR特征、卷積神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)的訓練及調(diào)參過程、卷積神經(jīng)系統(tǒng)網(wǎng)絡(luò)經(jīng)典網(wǎng)絡(luò)架構(gòu)、光學字符識別基礎(chǔ)知識、圖像分割實驗基礎(chǔ)知識、人臉識別實驗基礎(chǔ)知識、圖像風格遷移實驗基礎(chǔ)知識；圖像的顯示、保存和顏色空間變換實操、圖像灰度變換、直方圖變換、圖像二值化實操、圖像幾何變換實操、圖像形態(tài)學變化、基于模板的文字分類實操、圖像濾波實操。
課程資源包-智能語音處理及應(yīng)用開發(fā)
1、配套資源：課程須配置理論PPT和實驗手冊，具體數(shù)量為：不低于5份文檔PPT和不低于10個實驗，不低于1個引導視頻；該課程配套的相關(guān)資源及實驗均支持在實訓平臺上進行觀看和實驗操作
2、包括但不限于以下知識點或?qū)嶒灒?語音處理基礎(chǔ)、語音識別算法、單高斯模型、混合高斯模型、馬爾科夫鏈、隱馬爾科夫鏈模型、HMM-GMM語音識別算法、深度學習語音識別算法；語音預處理基礎(chǔ)實操、單高斯模型參數(shù)求解實操、混合高斯模型參數(shù)求解實操、隱馬爾科夫鏈求解詞性標注實操、基于HMM-GMM的單字識別實操。
|
