• <pre id="60h6n"></pre>
  • <td id="60h6n"><option id="60h6n"></option></td>

      <acronym id="60h6n"></acronym>
      <tr id="60h6n"><s id="60h6n"></s></tr>
      當前位置:首頁 > 新聞資訊 >

      第三章 課程體系與教學規劃

      時間:2020-06-30 12:49

      第三章  課程體系與教學規劃
       
      1. 專業課程體系
       
      根據應用型本科人才的本質特征,過程控制結合人工智能專業的自身特點、社會需求和學科發展的需要構建基于技術技能本位的應用型本科課程體系。深入調研用人單位需求、行業發展、   公司專業設置標準,專業知識主線符合人工智能運營現狀,以能力為導向構建有梯度的課程體系,滿足人工智能行業應用的知識要求。提出 STB 軟件行業人才能力標準模型:
      (一)、聚焦軟件能力,與人工智能就業崗位對接:設置 Java 開發、Python 開發、數據庫使用與開發、系統運維等軟件能力;
      (二)、覆蓋專業技術能力,包括 Python 框架、機器學習、深度學習、人工智能數據訓練、人工智能開發;
      (三)、強化業務應用能力,與實訓項目對接:智能音箱、人臉識別、智能搜索、智能推薦。
      人工智能專業 STB IT 技能模型分為 3 大分類,5 個能力模塊,17 個單項能力。
      1. 專業課程設置
       
      根據應用型本科人才的本質特征,結合社會需求和人工智能專業的特點以及學科發展的   需要,構建基于技術技能本位的應用型人工智能本科課程體系。在人工智能專業的數理及人   文思政等通識課程、計算機與嵌入式知識課程、電路與電子學知識課程、程序設計課程、人   工智能技術基礎上構建專業基礎知識主線,并由具體課程對項目設計實施、配置調試、應用   科研等應用主線上的每個環節進行支撐。
      專業基礎課:C 語言程序設計、Python 程序設計、人工智能導論、操作系統原理及應用(Linux)、計算機組成原理、面向對象程序設計(Java);專業主干課:數據庫原理及應用、IP 網絡技術、Java Web 程序設計、人工智能數學基
      礎、Linux 系統運維、云數據中心基礎、Hadoop 集群部署與開發;
      專業核心課:Python 爬蟲開發、Python 機器學習、圖像處理、數據挖掘與分析、Python 數據分析及應用、深度學習、Scala 編程實戰、Spark ML 人工智能實戰、Flink ML 人工智能實戰、人工智能數據訓練實戰、人工智能行業應用實戰;
      專業實訓課:深度學習實戰、Caffe 人臉識別項目實戰戰、智能搜索與智能推薦項目實戰、計算機視覺應用實戰、企業級智能安保實戰 、智能語音應用實戰、智能駕駛應用實戰。
      專業核心課程介紹
       
       
      課程名稱 課程描述 學時
      一、專業基礎課
       
       
       
       
       
      C 語言程序設計
      本課程的教學目標是培養學生的程序設計素質和創新素質。在教學中鼓勵學生敢于動手,勤于實踐,從而培養學生對計算機技術的興趣和意識,讓學生了解和掌握《C語言程序設計》的基本知識和編程技能,通過實際任務的應用設計掌握 C 語言的基本語法。包括運算符與表達式、過程化控制語句、函數與函數重載、遞歸函數、數組、指針、結構體、宏定義等知識點學習,培養學生具備良好的程序設計風格、技巧和方法,使學生熟練掌握系統分析能力和
      程序設計能力,編寫出高質量軟件。
       
       
       
       
       
      64
      過程控制實驗裝置組態設計 課程的教學目標是培養學生的程序設計素質和創新素質。在教學中鼓勵學生敢于動手,勤于實踐,從而培養學生對對國控制技術的興趣和意識,加強工程訓練和實踐 32
       
       
      Python 程序設計
      Python 程序設計是人工智能專業基礎必修課, 包含 Python 語法、數據類型、函數、文件操作
      、異常、模塊、面向對象等內容。通過本課程 的學習,讓學生掌握 Python 的基礎知識。
       
       
      48
       
       
       
      人工智能導論
      通過本課程的學習,使學生了解人工智能的基本概念、關鍵技術、應用開發。課程內容涉及人工智能的各個領域,充分體現“引導”的作用。主要內容包括人工智能發展歷程及應用及未來趨勢,人工智能基礎、算法、人工智能產 業鏈等知識結構、專業的學習方法和就業指導。  
       
       
      32
       
      操作系統原理及應用
      (Linux)
      本課程的設置旨在引導學生掌握 Linux 平臺開發的基礎概念、實用技術和應用模式,為學生在 Linux 平臺上開發軟件,實現移動增值服務打
      下堅實的基礎。內容簡介與要求:本課程以實
       
       
      48


        際開發案例為基礎,在理論講授的同時為學生安排了大量的實訓項目,主要內容包括 Linux 平臺發展歷史、Linux 平臺架構、Linux 平臺開發的系統環境、應用程序的開發過程、Linux 應用程序組件、高級用戶界面設計、網絡通信、無線通信,電話信息系統管理、數據庫應用、Android 資源及 SDK 工具。  
       
       
       
       
       
       
       
      計算機組成原理
      計算機組成原理是計算機專業的必修核心課程之一,通過該課程的教學讓學生系統地掌握計算機的基本組成原理、計算機內部工作機制以及常用的微機接口技術。本課程主要內容有計算機系統(包括運算器、存儲器、控制器、輸入和輸出子系統等)的基本組成、設計方法、相互關系以及將各子系統連接起來,構成整機系統的技術。通過本課程的學習,使學生掌握微型計算機的基本工作原理,了解 80X86 微機的系統構成和設計思想;能分析和設計常用的微機接口;繼續更新知識,學習和掌握本領域
      的新技術。
       
       
       
       
       
       
      48
       
       
       
       
       
      面向對象程序設計(Java)
      Java 面向對象程序設計是計算機專業基礎必修課,教學中以 JAVA 語言為依托,主要培養學生面向對象軟件開發的基礎知識,通過類與對 象、對象的抽象、封裝與類、繼承與多態、工 具類的學習,掌握面向對象程序設計方法;通 過學習,學生需要掌握 java 程序設計語言概述、Java 語言的基本語法、程序流程控制語句、Java 圖形圖像、Java 輸入輸出(I/O)、多線程與異常處理、Swing 程序設計、Applet 程序設計等相
      關的知識。在實踐的開發中要能夠靈活應用。
       
       
       
       
       
      64
      二、專業主干課
       
       
       
       
      數據庫原理與應用
      本課程圍繞如何設計數據庫,系統地講述了數 據庫的基本概念、SQL 語句、關系規范及其優化數據庫,同時理實結合的方式 ,基于 MySQL、Oracle 數據庫管理系統使學生系統地理解如何設計一個合理的、優化的數據庫,培養學生具 有設計數據庫模式以及開發數據庫應用系統的
      基本能力。
       
       
       
      48
       
       
      IP 網絡技術
      要求學生掌握 TCP/IP 網絡技術知識,掌握 IP 網絡關鍵設備知識,包括交換機、路由器、防 火墻等網絡設備,要求學生能夠對物聯網網絡 進行設計、組網、安裝及調試,提升學生網絡
      組建技能。
       
       
      48


       
       
      人工智能數學基礎
      課程內容包含:統計學(歐式距離、馬氏距離、 切比雪夫距離等)、概率論(正態分布、泊松 分布、指數分布等)、微積分(導數、梯度、 泰勒公式等)、矩陣運算、最優化理論、信息 論。  
       
      48
       
       
       
       
      Linux 系統運維
      該課程是面向 Linux 系統運維崗位開設的一門專業核心課。系統運維是一項實踐性非常強的技術,要求能夠熟練使用 Linux,熟悉各種系統服務器部署、調試和性能優化。本課程的任務是:通過移動電商系統運維技術的系統學習和項目化的運維實踐,掌握移動電商系統基礎運維技術、大規模集群部署技術、自動化運維技術以及移動電商、云計算、大數據行業主流平
      臺的部署、測試、運行和維護技術。
       
       
       
       
      64
       
       
       
      Java Web 程序設計
      本課程是軟件開發工程師崗位開設的一門專業核心課。系統地講述了 JSP 基本語法 、jsp 內置對象、cookie 和 session 區別是、 EL 表達式、JSTL 標簽使用、Servlet 生命周期及 Servlet 服務器、Servlet 過濾器和監聽器、MVC 開發模式、
      項目案例:家電類購物網站開發。
       
       
       
      64
       
       
       
       
      云數據中心基礎
      本課程是一門面向云數據中心內眾多崗位開設的一門專業課程。結合學校辦學特色,本課程采用云數據中心建設項目作為課程支撐。云數據中心工程師,是一個實踐性非常強的崗位, 要求能夠熟練使用 Linux,熟悉各種系統服務器部署、調試和性能優化,各種管理系統,虛擬
      化平臺,云計算平臺等。
       
       
       
      32
      三、專業核心課
       
       
       
       
      Python 數據分析與應用
      本課程是一門專業主干課,是在 Python 程序設計基礎上開設的一門課程。本課程主要內容包括 NumPy 數組,pandas 基礎與應用,matplotlib 基礎,數據檢索、加工與存儲,數據可視化等內容。
      通過本課程的學習,可以更深入地了解 Python
      語言,能夠使用 Python 語言進行數據分析,能夠了解數據處理、數據加工、數據分析的基本
       
       
       
       
      64


        流程與方法。  
       
       
       
       
      數據挖掘與分析
      數據挖掘與分析是高級數據處理和分析技術。通過本課程學習,使學生了解數據挖掘這種現代數據分析和知識挖掘方法的思想與技術,了解數據挖掘的基本理論,掌握重要的數據挖掘方法,掌握如何利用 Mahout 算法庫實現數據分析和挖掘,并使學生具有進一步學習的基礎與
      能力。
       
       
       
      48
       
       
       
       
      Python 機器學習
      機器學習是人工智能的重要分支領域,本課程 是人工智能專業的核心課程。本課程主要內容 包括機器學習分類,監督學習介紹,回歸相關 算法介紹與應用,分類相關算法介紹與應用, 非監督學習介紹,聚類相關算法介紹與應用, 降維等。通過本課程的學習能夠對機器學習的 概念,機器學習與人工智能的關系,機器學習 的分類以及機器學習涉及到的相關算法有較深
      入的了解。
       
       
       
       
      64
       
       
       
      圖像處理
      本課程主要介紹 OpenCV 及 TensorFlow 兩個方面的入門知識,著重介紹 OpenCV 圖像處理的相關知識如像素、文件封裝、圖像幾何變換(縮放、位移、鏡像等)、圖片特效及線段文字繪 制(灰度,毛玻璃,優化)、圖像美化(修復濾波,
      磨皮)等。
       
       
       
      32
       
      Scala 編程實戰
      本課程主要包含包含 Scala 簡介、Scala 安裝及開發環境配置、Scala 基礎語法、字符串、數值、控制結構、類和屬性、方法、對象、集合等。  
      32
       
       
       
      深度學習
      課程內容包含:機器學習的基礎知識,包括從 學術觀點出發的學習深度學習(線性代數、概 率論和信息論等)所必需的應用數學知識。隨 后深入探討了現代深度學習算法和技術。在最 后,本書重點關注了當前的深度學習的研究趨
      勢和深度學習領域的新動向。
       
       
       
      64
       
      Spark ML 人工智能實戰
      本課程主要包含包含:Spark MLlib 基礎、Spark MLlib 回歸算法、Spark MLlib 分類算法、Spark
      MLlib 聚類算法、Spark MLlib 關聯規則挖掘算
       
      64

       
        法、Spark MLlib 推薦算法、Spark MLlib 神經網絡算法等內容。  
       
      Flink ML 人工智能實戰
      本課程主要包含:Flink ML 基礎、Flink ML 環境搭建、監督學習與非監督學習、數據處理、推薦、離群點選擇等。  
      64
       
       
      人工智能數據訓練實戰
      本課程要求掌握 Tensorflow 深度學習和模型構建與訓練、訓練過程優化方法與問題優化、計算圖構建、學習變量作用域與變量命名、搭建多層神經網絡并完成優化、正則化優化神經網絡、梯度問題與解決方法。  
       
       
      人工智能行業應用實戰
      本課程主要介紹百度在人工智能各行業的應
      用,通過對各應用場景背后的原理知識點介紹, 為后續學生進行各場景的項目實訓打下基礎, 包括語音智能應用、計算機視覺應用、智能駕 駛應用等。
       
       
      48
      四、專業實訓課
       
       
      深度學習實戰
      課程內容包含:人工智能、機器學習與深度學 習概念、TensorFlow 環境搭建、TensorFlow 計算模型、數據模型、運行模型、深度神經網絡、圖像識別與卷積神經網絡、圖像數據處理、循
      環神經網絡、自然語言處理等。
       
       
      1 周
       
       
       
      企業級智能安保實戰
      智能安保系統包含三層架構,第一層數據感知層,第二層能力平臺支撐層,第三層是應用層?;A層是所有信息產生的基礎,實現數據的采集,并通過網絡和數據采集技術方式對數據進 行實時分析,并向平臺層輸入初步分析的數據。
      能力支撐平臺主要包含智能分析模塊和信息交
       
       
       
      1 周

       
      第四章  實驗室介紹
      數據通信技術介紹及現狀
       
      數據通信平臺是基于對 IP 網絡最基本的理解,采用合適的運營級路由器和交換機進行各種形式的組網,能充分體現 IP 技術在計算機網絡中的使用方式和業務特點。在網絡邊緣接入側的匯聚路由器可以提供更多的業務能力,包括 VPN、動態/靜態路由協議、認證方式、
      管理方式等多種技術,能讓學生得到充分學習及實踐應用。整個網絡實驗模塊是按照需求分
      組配置的,每組配備路由器,二層交換機和三層交換機,組成一個完整的實驗組,為學生今   后學習華為其他的設備奠定了硬件基礎。再現了企業的接入數據網絡的模型。而且各組之間   可以通過匯聚路由器互聯,實現更大的區域網絡的互聯組網。
      組網拓撲圖及組網
              (1)實驗室組網拓撲如下圖:
       
      數據通信實驗室解決方案采用業界主流網絡設備與組網方案,為高校節省建設成本,完  全重現現網運行的一種 IP 網絡設計方案。
      系統可分為核心設備區、外網區、  教學區等分區設置架構,有效保證數據通信的安全性,更保證了業務的可擴展性。
      最新網絡技術為高校提高實驗室質量、為學生提高綜合實踐能力。增加業務的綜合  性以及完整性、完全模擬現網運行的一種 IP 網絡設計方案。
      實驗平臺的核心功能包括人工智能實驗云管理平臺、機器學習于深度學習平臺、人臉識  別智能應用平臺、基礎資源池平臺、Hadoop 集群支撐平臺。
       
      過程控制人工智能綜合創新實驗室
       
      (1)過程控制人工智能實驗智能管理系統
       
      智能管理系統采用 B/S 架構,主要支持教師、助教和學員(含學生)三大類用戶通過瀏覽器登陸和使用本系統;
      教師登陸成功后,可以進行七大類管理
      學員管理;
      課程管理;
      科研任務管理;
      報告管理;
      考試管理;
      成績管理;
      學員登陸成功后,學員就可以使用本系統為學員設計五大類功能
      學習;
      報告;
      考試;
      助教登陸成功后,可以看到和使用經教師授權的部分或全部管理功能(比如學員管理、
      課程管理、科研任務管理、報告管理、考試管理和成績管理中的一個或多個管理功能)。管理員為教師創建賬號并且完成本系統日常運維(如導入課程庫、試題庫,配置管理課
      程學習資源(虛擬)服務器)。
       
      1. 機器學習于深度學習系統
       
      機器學習模塊與深度學習模塊,提供了常見的機器學習、深度學習的算法,包括 SVM
      (支持向量機)、Logistic Regression(邏輯回歸)、Decision Tree(決策樹)、cnn(卷積神經網絡)等;
      數據模塊,提供了測試數據集、訓練數據集和任務模塊,使用可拖拽的流程圖方式來組   建、執行任務。通過該系統可以降低將機器學習算法應用于實際任務的難度。數據集支持MNIST、Imagenet、COCO、PASCAL VOC、CIFAR、Open Image 等;
      支持人工智能行業主流框架 Tensorflow,可用 Tensorflow 卷積神經網絡、循環神經網絡、Autoencoder 等算法。支持 Python 人工智能,支持常用數據分析庫 Numpy、Pandas、Scipy、Matplotlib。
      1. 人臉識別應用引擎系統
       
      數據共享交換模塊:包括數據共享和數據交換兩部分功能,可為不同的數據源之間提供  數據連接,避免不同應用中的數據兼容問題??稍诓煌瑪祿?、不同數據格式間進行數據交換,提供應用服務平臺,可解決不同應用之間的數據高效互聯互通,可最大限度發揮數據的   價值。
      中間件模塊:基于面向服務的事務服務總線和服務協同平臺確保各個應用系統之間的信  息無縫連接。
      數據挖掘與分析模塊:對數據價值進行挖掘和分析的模塊,包括基礎數據、實時數據的   融合和實時智能分析??蓪Υ罅康某鋈氚踩畔祿M行基本統計、數據檢索,同時使用機   器學習和深度學習的技術手段更大程度上提升產品的服務質量和用戶體驗。
      基礎數據庫模塊:采用多線程架構,可實現對多種數據類型的操作,在高效穩定地利用  資源的同時,能夠靈活地為為應用提供服務支撐。
      人臉識別模塊:訪客通過身份證來觸發校園人證比對智能門衛系統,整個系統的所有來   訪信息可進行追溯,同時通過人證比對和人臉識別功能,可對來訪人員進行高效地校園出入   安全管理。
      1. 基礎資源池平臺
       
      云管理平臺:云管理系統分為用戶管理、網絡管理、模板管理、鏡像管理四大  模塊。
      Hadoop 集群支撐平臺
      Hadoop 服務:包括 Hadoop 離線計算和 Hadoop HA 服務。計算服務:包括內存計算和實時計算。

      4.1.1 人工智能實驗云管理平臺
      數據服務:包括數據采集和數據遷移。
      存儲分析:包括分布式數據庫、數據倉庫和數據挖掘。
      插件管理:平臺集成多種 Hadoop 管理插件,如 Ambari、Cloudera 等。
       
      Job 管理:平臺支持 MapReduce、Hive、Pig 等作業的可視化管理。
      人工智能實驗云管理平臺采用 B/S 架構,主要支持管理員、教師、助教和學生四大類用
      戶通過瀏覽器登陸和使用本系統、支持助教使用經教師授權的管理功能、支持管理員用戶進   行日常系統運維。
       
       
      教師注冊和登陸管理、學生管理(創建班級、導入學生信息(報表導入或學校系統對接)、
      和學生互動),實驗課程管理(新建實驗課程、新建實驗任務、更新課程內容、更新實驗任   務、分配實驗課程給班級或學生),實驗報告管理(新建、刪除、關聯到實驗課程、分配到   班級或學生),考試試題管理(新建、刪除、關聯到實驗課程、分配到班級或學生),學習   情況管理(實驗課程完成情況、實驗報告完成情況、考試得分情況);

       
      1. 學生管理
      在學生管理界面,教師可以清晰看到自己所教的班級以及管理員所創建的所有班級,如  有需要可以對班級進行選擇。點擊【查看】,可查看班級中所有學生的基本詳細信息,如年   齡,姓名、學號、聯系方式等。

       
      1. 報告管理
      報告管理中,學生可以查看已經創建的報告,以及該報告分配的班級等信息。在創建報  告時,教師可以選擇將報告分配給班級,管理到課程,選擇報告的評分方式等。