|
深度學習應用開發(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實驗：Linux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)絡管理、Linux文件權限、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、運算符及結構控制實驗、函數(shù)及重定向實驗、Linux Shell腳本編程實驗。
課程資源包-Python程序設計基礎
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實驗：Python環(huán)境與編程基礎、Python基礎語法、Python函數(shù)式編程和面向對象編程、Python迭代器生成器、正則式以及常用庫、Python數(shù)據(jù)結構與算法、Python排序算法、Python線性表算法、Python堆棧和隊列算法、Python樹形結構算法、Python圖結構算法；Python基礎操作實操、Python基礎語法實操、Python函數(shù)編程以及面向對象實操、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實驗：深度學習概覽、機器學習算法基礎知識、深度學習算法基礎知識、TensorFlow2.0基礎知識、神經(jīng)系統(tǒng)網(wǎng)絡、優(yōu)化器及正則化、卷積神經(jīng)系統(tǒng)網(wǎng)絡、循環(huán)神經(jīng)系統(tǒng)網(wǎng)絡、深度學習應用場景；線性回歸實操、神經(jīng)系統(tǒng)網(wǎng)絡鳶尾花數(shù)據(jù)集分類實操、神經(jīng)系統(tǒng)網(wǎng)絡fashionmnist數(shù)據(jù)集分類實操、卷積神經(jīng)網(wǎng)絡分類實操、卷積神經(jīng)網(wǎng)絡回歸實操。
課程資源包-人工智能數(shù)據(jù)服務
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實驗：數(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實驗：計算機視覺概覽、數(shù)字圖像基礎、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、卷積神經(jīng)網(wǎng)絡的訓練及調參過程、卷積神經(jīng)系統(tǒng)網(wǎng)絡經(jīng)典網(wǎng)絡架構、光學字符識別基礎知識、圖像分割實驗基礎知識、人臉識別實驗基礎知識、圖像風格遷移實驗基礎知識；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實驗： 語音處理基礎、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。
|
