AI+智慧學(xué)習(xí)系統(tǒng)需求說明

AI+智慧學(xué)習(xí)系統(tǒng)需求說明（一）軟件技術(shù)要求序號產(chǎn)品名稱功能描述與主要技術(shù)指標(biāo)數(shù)量1智能語音對話體驗與教學(xué)系統(tǒng)由智能互動軟件和學(xué)生手持語音答題器兩個部分構(gòu)成，可以方便地在常態(tài)化的教室部署，把常規(guī)教室升級為“智慧教室”、打造“活力課堂”，開展“精準(zhǔn)教學(xué)”。1.需支持通過輸入的語音進(jìn)行識別，支持整段音頻進(jìn)行識別以及流式語音識別。2.需支持將音頻流數(shù)據(jù)實時轉(zhuǎn)換成文字流數(shù)據(jù)結(jié)果，語音輸入最大速度≥400字/分，識別結(jié)果響應(yīng)時間≤200ms。3.需支持語音聽寫使用超大規(guī)模的語言模型，對識別結(jié)果語句智能預(yù)測其對話語境，提供智能斷句和標(biāo)點(diǎn)符號的預(yù)測。4.需支持針對上下文進(jìn)行語義理解，將中間結(jié)果進(jìn)行智能糾錯，確保準(zhǔn)確性。5.需支持基于輸入文本，提供多種語音風(fēng)格合成語音。6.需支持合成語音文件下載。1套2圖像風(fēng)格遷移體驗與教學(xué)系統(tǒng)1.系統(tǒng)需支持捕獲一個圖像的內(nèi)容并將其與另一個圖像的風(fēng)格相結(jié)合，使得生成的圖像具有內(nèi)容圖像的內(nèi)容和風(fēng)格圖像的風(fēng)格，創(chuàng)造出一種新的繪畫圖像。2.圖像風(fēng)格遷移展示平臺需利用卷積神經(jīng)網(wǎng)絡(luò)來對圖像進(jìn)行風(fēng)格轉(zhuǎn)換，將一張普通的圖像轉(zhuǎn)換成各種藝術(shù)風(fēng)格的圖像。3.圖像風(fēng)格遷移展示平臺內(nèi)容融合需支持多種風(fēng)格，具備模板選擇、拍照上傳功能。4.圖像風(fēng)格遷移展示平臺需支持：4.1基于離線模型優(yōu)化的快速圖像重建方法。4.2基于統(tǒng)計分布的參數(shù)化紋理建模方法。4.3基于筆觸渲染的方法、基于圖像類比的方法、基于圖像濾波的方法實現(xiàn)圖像風(fēng)格遷移。1套3人臉融合體驗與教學(xué)系統(tǒng)1.系統(tǒng)需支持快速精準(zhǔn)地定位人臉關(guān)鍵點(diǎn)，將用戶上傳的照片與特定形象進(jìn)行面部層面融合，使生成的圖片同時具備用戶與特定形象的外貌特征。2.需支持圖片人臉與圖片人臉融合，可選取模板中靜態(tài)人臉圖片，再選取模板中靜態(tài)人臉圖片，進(jìn)行兩張靜態(tài)人臉圖片融合。3.需支持圖片人臉與真實人臉融合，選取模板中靜態(tài)人臉圖片，再選擇動態(tài)真實人臉，進(jìn)行靜態(tài)圖片人臉與動態(tài)真實人臉融合。4.需支持真實人臉與真實人臉融合，選取動態(tài)真實人臉，再選擇動態(tài)真實人臉，進(jìn)行動態(tài)真實人臉與動態(tài)真實人臉融合。5.需支持貼紙、動漫表情、美顏、人臉美妝、人臉融合、哈哈鏡、人臉彩繪、換臉、背景分割等功能。6.需提供美妝素材，基于更精準(zhǔn)的人臉關(guān)鍵點(diǎn)，繪制出精準(zhǔn)的美妝效果，使人臉移動時，妝容跟隨得緊密貼合。7.系統(tǒng)技術(shù)實現(xiàn)需至少包括：1）基于OpenCV的級聯(lián)分類器實現(xiàn)目標(biāo)檢測。2）使用模型構(gòu)建特征提取器進(jìn)行人臉關(guān)鍵點(diǎn)定位。3)基于普氏分析的人臉特征點(diǎn)處理。4)基于點(diǎn)云匹配PCL—Umeyama算法人臉特征點(diǎn)處理。5)基于仿射變換的多姿態(tài)人臉矯正和識別。6)基于矩陣變換的區(qū)域提取。7)基于顏色直方圖的色差矯正。8)邊緣融合之圖像填充。9)邊緣融合之邊緣模糊處理。10)人臉Encoder/Decoder訓(xùn)練。1套4人工智能教學(xué)實驗資源1.支持的案例實驗數(shù)量≥27個。2.實驗需包含實驗手冊、實驗代碼、實驗數(shù)據(jù)等。實驗手冊內(nèi)容有：問題、方案、環(huán)境、資源、實驗步驟、實驗代碼、實驗結(jié)論等。3.實驗至少需包含：3.1圖像基本操作類：滑動條控制圖像閾值。3.2圖像檢測類：圖像邊緣檢測實驗，表面劃痕檢測實驗，行人檢測實驗，車牌目標(biāo)提取實驗，人臉檢測實驗等。3.3圖像變換類：圖像黑白變換實驗，圖像灰度變換實驗，圖像取反變換實驗，圖像銳化變換實驗、圖像分割實驗等。3.4圖像修復(fù)類：圖像污點(diǎn)修復(fù)實驗。3.5圖像識別類：紅綠燈識別實驗、字符識別實驗、貓狗分類實驗、車牌識別實驗、人臉識別實驗、目標(biāo)檢測實驗、手勢識別實驗等。3.6圖像跟蹤類：目標(biāo)跟蹤實驗、多目標(biāo)檢測與跟蹤。3.7單目類：單目標(biāo)定實驗、單目校正實驗。3.8雙目類：雙目標(biāo)定實驗、雙目校正實驗、雙目測距實驗。3.9三維圖像類：三維人臉識別實驗。1套5綜合授課系統(tǒng)一、基本功能：1.綜合授課平臺，需支撐80人同時在線，進(jìn)行人工智能/在線課程的學(xué)習(xí)。2.系統(tǒng)角色管理功能需支持學(xué)生、教師和學(xué)校教學(xué)管理人員三類角色基于本系統(tǒng)的訪問。3.系統(tǒng)部署模式需支持采用多級分布式部署模式，能適應(yīng)瞬間大并發(fā)視頻訪問需求。4.系統(tǒng)需采用J2EE技術(shù)路線，采用完全的B/S架構(gòu)實現(xiàn)模式。遵循J2EE標(biāo)準(zhǔn)，具有很好的可移植性、可擴(kuò)展性，能夠跨平臺使用。數(shù)據(jù)庫需采用MySql數(shù)據(jù)庫。5.系統(tǒng)需支持采用Docker方式進(jìn)行業(yè)務(wù)應(yīng)用部署。6.需支持完整的課程體系及豐富的授課資源形式，并且支持自定義教學(xué)任務(wù)，學(xué)?？筛鶕?jù)需要定制自己的教學(xué)計劃和教學(xué)任務(wù)。7.需支持交互式課件功能，支持ppt、pdf、html、jpg等多種資源/課件形式。8.需支持接入矚目、保利威等第三方主流直播平臺。9.需支持題庫考試功能，客觀題系統(tǒng)自動判卷，主觀題教師手工判卷。10.需支持完整的學(xué)習(xí)數(shù)據(jù)記錄與統(tǒng)計功能，記錄教師教學(xué)進(jìn)度及學(xué)生學(xué)習(xí)進(jìn)度。11.需支持教師手動記錄和查看學(xué)生考勤信息。12.需支持統(tǒng)計功能，便于學(xué)校優(yōu)化教學(xué)提供數(shù)據(jù)支撐。二、管理后臺：1.需支持系統(tǒng)權(quán)限管理功能1.1支持用戶信息的查看和修改操作。1.2可查看當(dāng)前系統(tǒng)的角色權(quán)限并進(jìn)行調(diào)整。1.3支持創(chuàng)建、修改角色信息和權(quán)限。1.4可對角色配置不同的用戶組。2.需支持課程體系管理2.1課程方向的創(chuàng)建、修改和刪除。2.2課程包/專業(yè)的創(chuàng)建、修改和刪除。2.3課程的創(chuàng)建、修改和刪除。2.4支持課程封面圖片自定義。2.5支持配置課程教學(xué)資源。3.需支持教學(xué)任務(wù)管理3.1教學(xué)任務(wù)的創(chuàng)建、修改和刪除。3.2支持自定義教學(xué)任務(wù)。3.3支持學(xué)校對教學(xué)任務(wù)/資源排序進(jìn)行自定義。4.需支持班級管理4.1班級的創(chuàng)建、修改和刪除。4.2班級配置課程及授課教師/學(xué)生。4.3可以根據(jù)班級名稱、專業(yè)、狀態(tài)對班級進(jìn)行檢索。5.需支持教學(xué)班管理5.1支持查看班級教學(xué)進(jìn)度。5.2查看教師授課進(jìn)度及學(xué)生學(xué)習(xí)進(jìn)度。5.3查看教師授課記錄及學(xué)生學(xué)習(xí)記錄。5.4支持查看學(xué)生視頻課程學(xué)習(xí)時長。6.需支持學(xué)生管理功能6.1學(xué)生的創(chuàng)建、修改和刪除。6.2支持批量導(dǎo)入學(xué)員信息。6.3可為學(xué)員配置班級。6.4可以根據(jù)學(xué)生姓名、手機(jī)號、賬號對學(xué)生信息進(jìn)行檢索。6.5可以刪除學(xué)生/班級關(guān)聯(lián)關(guān)系。6.6支持后臺重置密碼功能。7.需支持教師管理功能7.1教師的創(chuàng)建、修改和刪除。7.2支持批量導(dǎo)入教師信息功能。7.3可以根據(jù)姓名、手機(jī)號、賬號對教師信息進(jìn)行檢索。7.4支持后臺重置密碼功能。8.需支持題庫考試管理8.1試題的創(chuàng)建、編輯、刪除功能。8.2支持單選題、多選題、判斷題、簡答題等題型。8.3支持題庫模板批量導(dǎo)入。8.4支持手工組卷功能。8.5可對試卷新增、編輯、刪除等操作。8.6支持手動設(shè)置試卷、試題分?jǐn)?shù)。9.需支持dashboard數(shù)據(jù)統(tǒng)計9.1支持按天統(tǒng)計用戶登錄情況。9.2可匯總統(tǒng)計系統(tǒng)視頻、講義、試卷等數(shù)字資源總量。9.3可統(tǒng)計在線資源占比。三、教師端：1.需支持教學(xué)中心1.1顯示教師當(dāng)前有效教學(xué)班信息。1.2通過百分比顯示教學(xué)班教學(xué)進(jìn)度。1.3顯示教師最近授課信息，方便教師快速定位教學(xué)進(jìn)度。2.需支持課程中心2.1顯示教師歷史所有教學(xué)班信息。2.2可根據(jù)課程方向及專業(yè)進(jìn)行檢索。2.3可查看教學(xué)大綱。3.需支持教學(xué)大綱/詳情3.1通過樹狀結(jié)構(gòu)顯示課程章節(jié)結(jié)構(gòu)。3.2課程詳情展示教學(xué)資源列表，方便教師使用。3.3支持教師發(fā)布教學(xué)任務(wù)功能。3.4支持教師記錄和查看學(xué)生考勤。4.需支持考試中心4.1教師可為班級學(xué)生發(fā)布考試，支持發(fā)布到班級考試。4.2支持教師批閱試卷功能，客觀題系統(tǒng)自動判卷，主觀題教師判卷。4.3顯示考試成績相關(guān)統(tǒng)計，包括最高分、最低分、考試人數(shù)等。四、學(xué)生端：1.需支持學(xué)習(xí)中心1.1顯示學(xué)生所學(xué)課程信息。1.2顯示學(xué)生待完成實驗任務(wù)信息。1.3顯示學(xué)生最近學(xué)習(xí)課程信息，方便學(xué)生快速定位學(xué)習(xí)內(nèi)容。1.4顯示學(xué)生待作答考試信息。2.需支持課程中心2.1顯示學(xué)生所有課程信息。2.2可根據(jù)課程方向和專業(yè)對課程進(jìn)行檢索。3.需支持實驗中心：展示學(xué)生所有實驗信息及狀態(tài)。4.需支持考試中心：4.1展示學(xué)生歷史考試信息及狀態(tài)。4.2學(xué)生根據(jù)考試時間進(jìn)行答題，支持設(shè)置考試試卷并倒計時。4.3支持緩存考試答題數(shù)據(jù)。4.4學(xué)生可查看考試成績及試卷詳情，并能查看解析。五、平臺部署：1.需支持CentOS7.2/Ubuntu1604版本，以WEB形式展現(xiàn)。2.需支持多種部署方式，用戶設(shè)備合理利舊，實現(xiàn)資源高效利用。3.系統(tǒng)需基于Java開發(fā)語言，微服務(wù)架構(gòu)。1套6實驗環(huán)境系統(tǒng)一、系統(tǒng)功能1.實驗環(huán)境平臺基于人工智能技術(shù)，提供完整的開發(fā)工具，需支持主流的深度學(xué)習(xí)框架，如TensorFlow、PyTorch等主流的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架。2.實驗環(huán)境平臺科研場景需滿足各種規(guī)模（組、實驗室、院、校）級別的科研任務(wù)對算力基礎(chǔ)設(shè)施的管理與調(diào)度，方便、高效，提升科研能力。3.實驗環(huán)境平臺教學(xué)實訓(xùn)功能需滿足以學(xué)生的人工智能相關(guān)課程教學(xué)為代表的上機(jī)、實驗訓(xùn)練的各種個性化需求，提升實訓(xùn)任務(wù)的管理效率。4.系統(tǒng)需支持不少于80人同時在線，進(jìn)行人工智能學(xué)習(xí)、實驗和項目實訓(xùn)學(xué)習(xí)。5.系統(tǒng)角色管理功能需支持學(xué)生、教師和學(xué)校教學(xué)管理人員三類角色基于本系統(tǒng)的訪問。6.系統(tǒng)部署模式需支持采用多級分布式部署模式。7.平臺需采用定制優(yōu)化的容器云平臺技術(shù)，為計算任務(wù)提供支撐，支持多租戶共享集群計算資源且實現(xiàn)安全隔離，CPU、內(nèi)存等根據(jù)用戶請求按需動態(tài)分配，提升資源利用效率。8.平臺需支持基于WEB的AI開發(fā)環(huán)境和任務(wù)訓(xùn)練流程，可以在線進(jìn)行任務(wù)、數(shù)據(jù)、代碼的編輯開發(fā)；平臺會對失效的任務(wù)自動重新發(fā)起，并且具備任務(wù)快照的功能；同時，可實時監(jiān)控資源消耗情況并查看相關(guān)日志。9.系統(tǒng)需采用J2EE技術(shù)路線，采用完全的B/S架構(gòu)實現(xiàn)模式。遵循J2EE標(biāo)準(zhǔn)，具有很好的可移植性、可擴(kuò)展性，能夠跨平臺使用。數(shù)據(jù)庫采用MySql數(shù)據(jù)庫。10.需支持豐富實驗類型，可進(jìn)行多種實驗課程，內(nèi)置豐富的實驗環(huán)境鏡像，支持centos、ubuntu、debian等操作系統(tǒng)。11.需支持Python、Java、R、C、C++、cobolphpPerl、Ruby等多種開發(fā)環(huán)境。12.需支持TensorFlow、PyTorchTheano、Caffe、Keras、Sci-kitLearn、MLPack等主流的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)框架，支持包括但不限于Pip、Numpy、Anaconda、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV等操作環(huán)境。13.實驗環(huán)境需集成LXTerminal、Firefox、X11VNCServer、Eclipse、mysql、hadoop、flume等應(yīng)用軟件。14.需支持每個學(xué)生擁有獨(dú)立的實驗環(huán)境和實驗數(shù)據(jù)，報告在線提交，實驗數(shù)據(jù)自動記錄，教師可遠(yuǎn)程連接學(xué)生桌面實驗環(huán)境、查看學(xué)生實驗結(jié)果并進(jìn)行評分。15.擴(kuò)展性強(qiáng)，系統(tǒng)集群需支持無感知擴(kuò)容。二、管理后臺：1.需支持系統(tǒng)權(quán)限管理功能1.1支持用戶信息的查看和修改操作。1.2可查看當(dāng)前系統(tǒng)的角色權(quán)限并進(jìn)行調(diào)整。1.3支持創(chuàng)建、修改角色信息和權(quán)限。1.4可對角色配置不同的用戶組。2.需支持實驗環(huán)境管理2.1系統(tǒng)支持命令行/虛擬桌面/Python在線編輯。2.2支持啟用禁用實驗環(huán)境。3.需支持實驗?zāi)０骞芾?.1支持自定義實驗?zāi)０濉?.2支持根據(jù)實驗?zāi)０濉㈦y易進(jìn)行檢索。3.3支持實驗縮略圖自定義。4.需支持實驗課程管理4.1支持自定義創(chuàng)建實驗課程。4.2支持通過實驗課程名稱、實驗?zāi)０宓葪l件進(jìn)行查詢。4.3支持實驗課程開啟/關(guān)閉功能。4.4支持通過富文本編輯器自定義實驗指導(dǎo)手冊。4.5支持自定義實驗附件上傳。5.需支持實驗成績統(tǒng)計5.1顯示實驗成績統(tǒng)計信息。5.2可根據(jù)實驗狀態(tài)對實驗課程數(shù)據(jù)進(jìn)行統(tǒng)計，包括最高分、最低分、平均分等。6.需支持實驗記錄統(tǒng)計6.1顯示實驗課程日志信息。6.2可通過實驗課程名稱、開始時間、結(jié)束時間進(jìn)行檢索。7.需支持班級實驗記錄7.1可按照班級顯示實驗記錄。7.2顯示班級、課程、實驗、開始時間、結(jié)束時間、授課教師。8.需支持任務(wù)調(diào)度管理功能8.1對任務(wù)的基礎(chǔ)信息及任務(wù)類型等管理。8.2對已調(diào)度任務(wù)的基本信息，進(jìn)度，狀態(tài)等進(jìn)行監(jiān)控。8.3可監(jiān)控及任務(wù)所占用資源情況等。8.4支持手動暫停、中斷任務(wù)。8.5支持異常任務(wù)進(jìn)行告警，系統(tǒng)自動殺死進(jìn)程或重新初始化任務(wù)。8.6可監(jiān)控CPU使用率。8.7支持服務(wù)器狀態(tài)實時監(jiān)控。8.8支持按照服務(wù)器查看服務(wù)運(yùn)行狀況及資源消耗情況。8.9支持查看單個運(yùn)行服務(wù)資源消耗情況及查看相應(yīng)日志。三、教師端：1.教學(xué)中心1.1顯示教師所在教學(xué)班信息。1.2顯示教師最近授課信息，方便教師快速定位。2.課程中心2.1顯示教師所有教學(xué)班信息。2.2可根據(jù)課程方向及專業(yè)進(jìn)行檢索。3.教學(xué)大綱/詳情3.1通過樹狀結(jié)構(gòu)顯示課程章節(jié)結(jié)構(gòu)。3.2課程詳情展示教學(xué)資源列表。4.實驗4.1支持教師發(fā)布實驗任務(wù)。4.2教師可進(jìn)行遠(yuǎn)程連接學(xué)生實驗環(huán)境進(jìn)行指導(dǎo)。4.3支持教師重啟學(xué)生實驗環(huán)境。4.4支持教師在線查看學(xué)生實驗結(jié)果，并進(jìn)行評分。四、學(xué)生端1.學(xué)習(xí)中心1.1顯示學(xué)生所學(xué)課程信息。1.2顯示學(xué)生待完成實驗任務(wù)信息。1.3顯示學(xué)生最近學(xué)習(xí)課程信息。1.4方便學(xué)生快速定位學(xué)習(xí)內(nèi)容。2.課程中心2.1顯示學(xué)生所有課程信息。2.2可根據(jù)課程方向和專業(yè)對課程進(jìn)行檢索。3.實驗中心3.1展示學(xué)生所有實驗信息及狀態(tài)。3.2支持學(xué)生在線編輯/提交實驗報告。3.3支持學(xué)生通過實驗指導(dǎo)書、課程視頻進(jìn)行實驗操作。3.4提供平臺上課程的實驗所需的人工智能實驗操作環(huán)境，包括但不限于R、Tensonflow、Pip、Numpy、Anaconda、Git、Vim、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV、Python。五、平臺部署1.需支持Ubuntu1604版本，以WEB形式展現(xiàn)。2.需支持多種部署方式，用戶設(shè)備合理利舊，實現(xiàn)資源高效利用。3.系統(tǒng)需采用Java開發(fā)語言，微服務(wù)架構(gòu)。1套7人工智能導(dǎo)論1.課程名稱：人工智能導(dǎo)論。2.課程章節(jié)需包含：人工智能簡介、人工智能哲學(xué)與道德規(guī)范、機(jī)器學(xué)習(xí)概述、機(jī)器學(xué)習(xí)算法應(yīng)用案例、計算機(jī)視覺基本原理介紹、計算機(jī)視覺技術(shù)實現(xiàn)及應(yīng)用場景介紹、語音識別基本原理介紹、語音識別技術(shù)實現(xiàn)及應(yīng)用場景介紹、自然語言處理技術(shù)介紹、自然語言處理技術(shù)實現(xiàn)及應(yīng)用場景介紹、知識圖譜基本原理、知識圖譜技術(shù)實現(xiàn)和應(yīng)用場景、智能交通、智慧金融、智能制造、智慧醫(yī)療、智慧物流、智能終端、Python介紹、手把手帶你搭建Python開發(fā)環(huán)境、我的第一個Python程序、認(rèn)識Python中的數(shù)據(jù)類型、與計算機(jī)進(jìn)行對話、玩轉(zhuǎn)Python中的運(yùn)算、字符串高級操作、包羅萬象的列表、有點(diǎn)簡約的元組、一本字典、if分支結(jié)構(gòu)之如何選擇、if分支結(jié)構(gòu)之多個選擇、循環(huán)結(jié)構(gòu)之for循環(huán)、循環(huán)結(jié)構(gòu)之while循環(huán)、Python中的函數(shù)、自己創(chuàng)造函數(shù)、Python中的模塊、Python面向?qū)ο缶幊?、人臉識別原理、人臉識別代碼實現(xiàn)、文本數(shù)據(jù)處理(詞云生成)、樸素貝葉斯分類算法、樸素貝葉斯案例分析、樸素貝葉斯中文文本分類、樸素貝葉斯中文分類實戰(zhàn)、Pytorch的安裝和使用、Pytorch中的數(shù)據(jù)加載、基于BERT的文本相似度計算。3.課時安排：≥36課時。4.課程大綱：≥1個。5.課程視頻：≥36個，視頻時長：單個視頻20′—40′。6.課程講義數(shù)量：≥36個，單課時頁數(shù)：≥10頁。7.備課筆記：≥36個輔助教師進(jìn)行授課的說明性文檔。8.案例手冊：≥12個。9.習(xí)題集：≥100個，需包含難度級別、考察知識點(diǎn)、答案解析。1套8智能軟件測試技術(shù)1.課程名稱：智能軟件測試技術(shù)2.課程章節(jié)需包含：缺陷報告概述、缺陷報告、缺陷報告練習(xí)、等價類劃分法編寫測試用例、邊界值法編寫測試用例、用例的優(yōu)化和強(qiáng)化、測試用例小結(jié)、因果圖法詳解、因果圖法編寫測試用例、判定表法編寫測試用例、判定表法編寫測試用例、正交排列法概述、正交排列法編寫測試用例、正交排列法編寫測試用例、測試大綱法概述、測試大綱法編寫測試用例、場景法概述、使用場景法編寫測試用例、軟件測試階段劃分、軟件測試分類、測試用例綜合策略、測試用例練習(xí)、測試總結(jié)報告概述、軟件測試計劃組成、禪道安裝啟動及簡介、禪道介紹-組織模塊、禪道介紹-產(chǎn)品模塊、禪道介紹-項目模塊、禪道介紹-測試模塊、OA實戰(zhàn)-測試環(huán)境搭建、OA實戰(zhàn)-產(chǎn)品模塊、OA實戰(zhàn)-項目模塊、OA實戰(zhàn)-新增角色、OA實戰(zhàn)-修改角色、OA實戰(zhàn)-查詢角色、角色克隆、OA實戰(zhàn)-刪除角色、角色權(quán)限、OA實戰(zhàn)-單位信息設(shè)置、OA實戰(zhàn)-部門機(jī)構(gòu)設(shè)置、OA實戰(zhàn)-用戶管理、OA實戰(zhàn)-新增用戶、OA實戰(zhàn)-查詢功能、OA實戰(zhàn)-查詢功能和用戶導(dǎo)入、OA實戰(zhàn)-用戶管理、OA實戰(zhàn)-批量設(shè)置、項目小結(jié)、Selenium概述、環(huán)境搭建、SeleniumIDE界面、Selenium常用命令、編輯腳本、Value、其他存儲器類型命令、斷言、斷言測試用例、驗證、等待與小結(jié)3.學(xué)時安排：≥64學(xué)時。4.課程大綱：≥1個。5.課程視頻：≥64個，視頻時長：單個視頻20′—40′。6.課程講義數(shù)量：≥64個，單課時頁數(shù)：≥10頁。7.備課筆記：≥64個輔助教師進(jìn)行授課的說明性文檔。8.案例手冊：≥43個。9.習(xí)題集：≥100個，需包含難度級別、考察知識點(diǎn)、答案解析。1套9實驗管理課程系統(tǒng)1)基礎(chǔ)實驗課：大數(shù)據(jù)開發(fā)技術(shù)（Hadoop）課程內(nèi)容資源需包含不少于17個實驗手冊和17個教學(xué)視頻，教學(xué)視頻總時長不少于600分鐘。每個實驗手冊有對應(yīng)的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內(nèi)容需包含【Hadoop安裝部署、Hadoop常用命令、HDFS:IOUtils方式讀取文件、URL方式讀取文件、文件創(chuàng)建與寫入、文件內(nèi)容追加、文件元數(shù)據(jù)獲取、MapReduce編程:單詞計數(shù)、數(shù)據(jù)過濾及保存、檢索特定群體搜索記錄、UID去重、自定義計數(shù)器、Map端join、自定義Split大小、Map端本地聚合、自定義分區(qū)、檢索特定偏好用戶】2)基礎(chǔ)實驗課：分布式數(shù)據(jù)倉庫（Hive）課程內(nèi)容資源需包含不少于27個實驗手冊和27個教學(xué)視頻，教學(xué)視頻總時長不少于500分鐘。每個實驗手冊有對應(yīng)的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內(nèi)容需包含【Hive數(shù)倉：元數(shù)據(jù)庫MySQL安裝、安裝部署、導(dǎo)入集合類型數(shù)據(jù)、創(chuàng)建刪除數(shù)據(jù)庫表、導(dǎo)入導(dǎo)出表數(shù)據(jù)、操作分區(qū)表、使用桶表、修改表分區(qū)列、使用distributeby查詢數(shù)據(jù)、使用clusterby查詢數(shù)據(jù)、使用UNIONALL合并表數(shù)據(jù)、使用JOIN聯(lián)接查詢、創(chuàng)建數(shù)據(jù)視圖、創(chuàng)建數(shù)據(jù)索引、自定義函數(shù)UDF、自定義函數(shù)UDTF、自定義函數(shù)UDAF、分析車輛銷售數(shù)據(jù)、分析搜狗搜索日志、ETL工具：Sqoop安裝部署、導(dǎo)入MySQL數(shù)據(jù)至HDFS、導(dǎo)出Hive數(shù)據(jù)至MySQL、調(diào)度引擎：編譯安裝Azkaban、簡易操作Azkaban、Azkaban腳本調(diào)度、Azkaban調(diào)度搜狗日志分析任務(wù)、Azkaban調(diào)度微博數(shù)據(jù)分析任務(wù)】3)數(shù)據(jù)庫技術(shù)（NoSQL）課程資源包含不少于81個教學(xué)視頻和23個實驗手冊等教學(xué)內(nèi)容，視頻總時長1000分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內(nèi)容包含【Zookeeper分布式協(xié)調(diào)框架：Zookeeper安裝部署、Zookeeper編程、Kafka消息訂閱系統(tǒng)：Kakfa安裝部署、Kakfa編程、HBase數(shù)據(jù)庫：HBase安裝部署、WEBUI界面、HBase表設(shè)計、HBase客戶端配置、HBase表操作、HBase比較過濾器、HBase列族過濾器、HBase行鍵過濾器、HBase單列排除過濾器、HBase分頁過濾器、讀取HBase表數(shù)據(jù)、存儲數(shù)據(jù)至HBase表、HBase計數(shù)器、HBase協(xié)處理器、Storm實時流計算框架：ETL導(dǎo)入數(shù)據(jù)、Storm安裝部署、Storm詞頻統(tǒng)計、Storm文本追加、Storm數(shù)據(jù)入庫?！?)

消息發(fā)布訂閱系統(tǒng)（Kafka）課程資源包含不少于11個實驗手冊等教學(xué)內(nèi)容。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內(nèi)容包含【Kafka消息訂閱系統(tǒng)：Kafka安裝部署、基本命令、KafkaTopic、Kakfa生產(chǎn)者和消費(fèi)者、Kafka編程、集成Flume、結(jié)構(gòu)化數(shù)據(jù)的發(fā)送與接收、非結(jié)構(gòu)化數(shù)據(jù)的發(fā)送與接收、Spark消費(fèi)Kafka、編程實現(xiàn)Kafka集成Flume、KafkaOffsetMonitor安裝與使用?！?)Scala編程課程資源包含不少于36個教學(xué)視頻和12個實驗手冊等教學(xué)內(nèi)容，視頻總時長400分鐘以上。課程提供實驗內(nèi)容包含【Scala安裝部署、Scala控制結(jié)構(gòu)與函數(shù)、Scala數(shù)組、Scala元組與映射、Scala類與對象、Scala包的導(dǎo)入、Scala類的繼承、Scala文件操作與類層級結(jié)構(gòu)、Scala特質(zhì)、Scala1匿名類與高階函數(shù)、Scala樣例類與模式匹配、Scala隱式轉(zhuǎn)換與隱式參數(shù)?！?)大數(shù)據(jù)處理技術(shù)（Spark）-基礎(chǔ)課程資源包含不少于39個教學(xué)視頻和13個實驗手冊等教學(xué)內(nèi)容，視頻總時長400分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。所有實驗需提供集群實驗為一主兩從真分布式環(huán)境。課程提供實驗內(nèi)容包含【Spark安裝部署：Standalone模式、OnYarn模式、Spark編程工具：使用IDEA、SparkCore：Scala單詞計數(shù)、Java單詞計數(shù)、SparkSQL：命令方式、普通樣例類編程、領(lǐng)域API編程、SparkStreaming：實時計算網(wǎng)絡(luò)數(shù)據(jù)、實時計算HDFS數(shù)據(jù)、實時計算Flume數(shù)據(jù)、實時計算Kafka數(shù)據(jù)、存儲實時計算結(jié)果至HBase】。7)大數(shù)據(jù)處理技術(shù)（Spark）-中級課程資源包含不少于13個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【RDD編程、Scala編程、詞頻統(tǒng)計、Apache日志分析、SparkSQL編程、實時詞頻統(tǒng)計、SparkMLlib編程、SparkGraphX編程、SparkIndexedRDD編程、SparkR安裝部署與編程、Alluxio安裝部署與使用、SparkKeystoneML編程、SparkBlinkDB編程】。8)大數(shù)據(jù)處理技術(shù)（Spark）-高級課程資源包含不少于5個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【分析日志流、分析Uber數(shù)據(jù)、分析犯罪數(shù)據(jù)、分析電商產(chǎn)品關(guān)注度、分析流量日志?！?)基礎(chǔ)實驗課：Python編程課程資源包含不少于12個教學(xué)視頻和12個實驗手冊等教學(xué)內(nèi)容，視頻總時長200分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。課程提供實驗內(nèi)容包含【Python入門、變量與數(shù)據(jù)類型、運(yùn)算符與表達(dá)式、數(shù)據(jù)結(jié)構(gòu)、使用字符串、控制結(jié)構(gòu)、循環(huán)結(jié)構(gòu)、類與對象、使用函數(shù)、異常處理、操作文件、使用模塊】10)數(shù)據(jù)分析與挖掘課程資源包含不少于7個教學(xué)視頻和7個實驗手冊等教學(xué)內(nèi)容，視頻總時長400分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。課程提供實驗內(nèi)容包含【Numpy介紹與使用、Pandas介紹與使用、數(shù)據(jù)繪圖可視化、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分類與預(yù)測、數(shù)據(jù)聚類分析、時序數(shù)據(jù)分析處理?！?1)大數(shù)據(jù)可視化技術(shù)課程資源包含不少于14個教學(xué)視頻和14個實驗手冊等教學(xué)內(nèi)容，視頻總時長600分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。課程提供實驗內(nèi)容包含【Superset安裝部署、Superset數(shù)據(jù)可視化、Zeppelin安裝部署與數(shù)據(jù)可視化、Anaconda可視化、Matplotlib可視化、k-NearestNeighbor可視化、LinearRegression可視化、SupportVectorMachine可視化、DecisionTree可視化、RandomForest可視化、模型優(yōu)化、Pandas可視化、數(shù)據(jù)降維可視化、ClusterAnalysis可視化?！?2)基礎(chǔ)實驗課：Docker平臺應(yīng)用課程資源包含不少于23個教學(xué)視頻和23個實驗手冊等教學(xué)內(nèi)容，視頻總時長400分鐘以上。課程提供實驗內(nèi)容包含【安裝docker服務(wù)、使用Dockerfile構(gòu)建鏡像、調(diào)試Dockerfile以及鏡像命名、使用dockercommit構(gòu)建新鏡像、使用公共Registry、搭建本地Registry、搭建企業(yè)級docker倉庫、運(yùn)行容器和進(jìn)入容器、docker容器的常用操作、限制docker容器的內(nèi)存、限制docker容器使用CPU、限制docker容器的BlockIO、docker的原生網(wǎng)絡(luò)、自定義docker容器網(wǎng)絡(luò)、容器之間和容器與外部的通信、docker存儲bindmount、使用dockermanagedvolume、容器之間共享數(shù)據(jù)、docker常用監(jiān)控命令、使用weave網(wǎng)路、使用WeaveScope容器地圖、使用rancher搭建k8s集群、部署Graylog日志系統(tǒng)】13)基礎(chǔ)實驗課：Linux基礎(chǔ)課程資源包含9個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Linux命令基礎(chǔ)練習(xí)、Linux用戶和權(quán)限管理、Linux軟件包安裝、啟動流程和服務(wù)管理、進(jìn)程管理和計劃任務(wù)、Linux系統(tǒng)監(jiān)控和日志管理、Apache服務(wù)、使用ssh遠(yuǎn)程管理Linux、mysql數(shù)據(jù)庫管理】14)基礎(chǔ)實驗課：java程序設(shè)計課程資源包含不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Java編程：JDK安裝與配置、Java編程：人機(jī)猜拳游戲、Java編程：設(shè)計編寫寵物樂園程序、Java編程：設(shè)計投票程序、Java編程：模擬銀行取款業(yè)務(wù)、Java編程：實現(xiàn)用戶的增刪改查、Java編程：設(shè)計圖形化計算器、Java編程：讀取文件目錄、Java編程：模擬售票系統(tǒng)、Java編程：簡易聊天室】15）基礎(chǔ)實驗課：數(shù)據(jù)統(tǒng)計建模與挖掘課程資源包含不少于6個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【數(shù)據(jù)統(tǒng)計與建模：統(tǒng)計推斷基礎(chǔ)、數(shù)據(jù)統(tǒng)計與建模：統(tǒng)計分布、數(shù)據(jù)統(tǒng)計與建模：假設(shè)檢驗、數(shù)據(jù)統(tǒng)計與建模：多變量線性回歸、數(shù)據(jù)統(tǒng)計與建模：廣義線性模型、數(shù)據(jù)挖掘：數(shù)據(jù)關(guān)聯(lián)分析】16）基礎(chǔ)實驗課：數(shù)據(jù)庫應(yīng)用課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【數(shù)據(jù)準(zhǔn)備操作、操作實驗(一)、操作實驗(二)、Python編程操作RDB、Redis基本操作和實踐、python訪問Redis實現(xiàn)基本增刪改查、RDB與RDB+Redis架構(gòu)SQL查詢對比、RDB編程操作數(shù)據(jù)庫業(yè)務(wù)移植到RDB+Redis、學(xué)習(xí)并實踐Phoenix+HBase安裝部署、HBase原生查詢實踐、程序讀取數(shù)據(jù)插入HBase實踐、Phoenix+HBase查詢實踐、學(xué)習(xí)并實踐GeoMesa+HBase部署、對比了解阿里云GeoGanos和GeoMesa、GeoMesa時空數(shù)據(jù)操作、基于Java的編程操作GeoMesa、使用時空索引和未使用索引的性能差異】17）基礎(chǔ)實驗課：Mysql數(shù)據(jù)庫課程資源包含不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【MySql安裝部署、數(shù)據(jù)庫創(chuàng)建與管理、數(shù)據(jù)表創(chuàng)建與管理、數(shù)據(jù)更新和數(shù)據(jù)查詢、SQL編程基礎(chǔ)、視圖和索引、存儲過程、觸發(fā)器、MySql用戶管理與權(quán)限操作、MySql用戶管理與權(quán)限操作】18）基礎(chǔ)實驗課：數(shù)據(jù)分析技術(shù)（SPSS）課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【SPSS安裝、SPSS窗口介紹、SPSS數(shù)據(jù)文件的建立、SPSS-單因素方差分析、SPSS-多因素方差分析、SPSS-線性回歸分析、SPSS-非線性回歸分析、SPSS-Logistic回歸分析、SPSS-因子分析、SPSS-主成分分析、SPSS-K-均值聚類分析、SPSS-分層聚類分析、SPSS-判別分析、SPSS-信度分析、SPSS-尺度分析、SPSS-時間序列分析】19）基礎(chǔ)實驗課：數(shù)據(jù)挖掘-典型算法課程資源包含不少于13個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Anaconda及PyCharm的安裝與配置、使用sklearn進(jìn)行數(shù)據(jù)預(yù)處理基礎(chǔ)梳理、利用apriori算法發(fā)現(xiàn)毒蘑菇近似特征、使用fpGrowth算法發(fā)現(xiàn)購物關(guān)聯(lián)、基于SVM分析UCI銀行營銷數(shù)據(jù)集、邏輯回歸LogistcalRegression分析鳶尾花數(shù)據(jù)集、基于貝葉斯算法的鳶尾花數(shù)據(jù)分類、用LSTM實現(xiàn)股票預(yù)測、使用DBSCAN對紅酒類型聚類、使用K均值對UCIwine數(shù)據(jù)集進(jìn)行分析、基于SK-learnLabelPropagation的半監(jiān)督算法實現(xiàn)、文本特征詞的提取、word2vec及doc2vec的訓(xùn)練及使用】20）基礎(chǔ)實驗課：機(jī)器學(xué)習(xí)-基礎(chǔ)課程資源包含不少于11個教學(xué)視頻和11個實驗手冊等教學(xué)內(nèi)容，視頻總時長300分鐘以上。每個實驗手冊有對應(yīng)的操作講解視頻。課程提供實驗內(nèi)容包含【線性回歸、邏輯回歸、最大期望算法、主題模型、聚類算法、支持向量機(jī)、決策樹與隨機(jī)森林、隱馬爾科夫模型、Mahout安裝部署、Mahout聚類算法、Mahout分類算法】21）基礎(chǔ)實驗課：機(jī)器學(xué)習(xí)-中級課程資源包含不少于11個教學(xué)視頻，視頻總時長600分鐘以上、不少于11個實驗手冊等教學(xué)內(nèi)容。每個實驗手冊有對應(yīng)的操作講解視頻。課程提供實驗內(nèi)容包含【動物圖片識別、手寫數(shù)字識別、SparkMLlib庫介紹與使用、鳶尾花分類、棋類游戲、提取文章摘要、監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)自編碼、氣象數(shù)據(jù)分析、足球比賽聚類分析】22）基礎(chǔ)實驗課：機(jī)器學(xué)習(xí)-高級課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【安裝配置pycharm與anaconda、基于線性回歸預(yù)測糖尿病、使用決策樹預(yù)測隱形眼鏡類型、使用決策樹對銀行貸款進(jìn)行建模、利用神經(jīng)網(wǎng)實現(xiàn)MINST手寫數(shù)字識別、用CNN實現(xiàn)MNIST手寫數(shù)字識別、使用SVM實現(xiàn)手寫數(shù)字識別、基于SVM分析Kaggle泰坦尼克數(shù)據(jù)集、使用樸素貝葉斯分類器從個人廣告中獲取區(qū)域傾向、使用樸素貝葉斯對鳶尾花數(shù)據(jù)進(jìn)行分類、在病馬死亡數(shù)據(jù)集上運(yùn)用AdaBoost、DBSCAN聚類算法實踐、使用K均值對鳶尾花數(shù)據(jù)集進(jìn)行分析、利用PCA分析鳶尾花數(shù)據(jù)、基于SVD構(gòu)建餐館菜肴推薦系統(tǒng)、用HMM求解最可能的天氣】23）基礎(chǔ)實驗課：深度學(xué)習(xí)-算法基礎(chǔ)課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【安裝配置pycharmanaconda、數(shù)據(jù)擬合與廣義線性回歸、SMO算法求解SVM、構(gòu)建BP神經(jīng)網(wǎng)絡(luò)、從零開始搭建神經(jīng)網(wǎng)絡(luò)、使用Tensorflow實現(xiàn)Dropout、梯度下降優(yōu)化神經(jīng)網(wǎng)絡(luò)1、梯度下降優(yōu)化神經(jīng)網(wǎng)絡(luò)2、Tensorflow神經(jīng)網(wǎng)絡(luò)優(yōu)化策略、Mnist手寫數(shù)據(jù)集識別、RNN實現(xiàn)二進(jìn)制加法、彩票預(yù)測1、彩票預(yù)測2、PCA主成分分析、基于馬爾科夫隨機(jī)場的圖像去噪方法、AutoEncoder自編碼器】24）基礎(chǔ)實驗課：深度學(xué)習(xí)-主流框架課程資源包含不少于8個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【DeepLearning初窺：Theano簡單應(yīng)用、DeepLearning初窺：TensorFlow簡單應(yīng)用、DeepLearning初窺：Keras識別手寫字體、DeepLearning初窺：Keras與Scikit-Learn混合編程、DeepLearning初窺：KerasCNN圖片分類、DeepLearning初窺：KerasLSTM影評分類、DeepLearning初窺：Caffe手寫數(shù)字識別、DeepLearning初窺：Caffecifar10圖片分類】案例課：深度學(xué)習(xí)-典型實例課程資源包含不少于8個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【DeepLearning實踐：Python實現(xiàn)深度神經(jīng)網(wǎng)絡(luò)、DeepLearning實踐：CaffeCNN實現(xiàn)圖片分類、DeepLearning實踐：CNN實現(xiàn)圖片風(fēng)格遷移、DeepLearning實踐：自聯(lián)想存儲器的python實現(xiàn)、DeepLearning實踐：BP神經(jīng)網(wǎng)絡(luò)手寫識別、DeepLearning實踐：無監(jiān)督學(xué)習(xí)的自編碼器實現(xiàn)、DeepLearning實踐：自編碼器進(jìn)行人臉數(shù)據(jù)降維、DeepLearning實踐：有監(jiān)督學(xué)習(xí)人臉識別】25）基礎(chǔ)實驗課：AI-算法基礎(chǔ)課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【安裝配置pycharm與anaconda、prolog環(huán)境搭建、梵塔問題、農(nóng)夫過河問題、利用A-star算法尋路、二叉樹遍歷、搜索兩點(diǎn)之間路徑、初識prolog、prolog家族關(guān)系判斷、衣服搭配專家系統(tǒng)、Mycin專家系統(tǒng)、在玩具數(shù)據(jù)集中比較不同的聚類算法、高斯混合模型、DBSCAN聚類算法、jieba分詞庫使用、最大匹配算法】26）案例課：數(shù)據(jù)挖掘-案例課課程資源包含6個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【20newsgroup分類分析、KMeans聚類乳腺癌數(shù)據(jù)集分析、LDA主題發(fā)現(xiàn)演練分析、服裝數(shù)據(jù)集分析、使用K均值分析天平數(shù)據(jù)集、使用決策樹對三好學(xué)生評選進(jìn)行建?！?7）案例課：機(jī)器學(xué)習(xí)-案例課課程資源包含不少于6個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【機(jī)器學(xué)習(xí)-收入數(shù)據(jù)集分析、機(jī)器學(xué)習(xí)-房價預(yù)測案例建模、機(jī)器學(xué)習(xí)-人臉識別數(shù)據(jù)集分析、機(jī)器學(xué)習(xí)-使用DBSCAN進(jìn)行聚類、機(jī)器學(xué)習(xí)-新聞分類、機(jī)器學(xué)習(xí)-用LSTM實現(xiàn)MNIST手寫數(shù)字識別】28）基礎(chǔ)實驗課：深度學(xué)習(xí)-案例課課程資源包含不少于6個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【深度學(xué)習(xí)-SVM分類Iris數(shù)據(jù)集、深度學(xué)習(xí)-句子分類訓(xùn)練1、深度學(xué)習(xí)-句子分類訓(xùn)練2、深度學(xué)習(xí)-蒙特卡羅方法計算圓周率、深度學(xué)習(xí)-深度學(xué)習(xí)模型實用技巧、深度學(xué)習(xí)-約會網(wǎng)站配對效果判定】29）基礎(chǔ)實驗課：數(shù)據(jù)分析與挖掘案例課程資源包含不少于6個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【自動問答系統(tǒng)、消費(fèi)指數(shù)預(yù)測、流失情況預(yù)測、熱點(diǎn)話題發(fā)現(xiàn)、fashion分類、語音處理】30）課程資源包含不少于9個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【創(chuàng)建和操作Tensor、梯度下降和自動求梯度、深度學(xué)習(xí)基礎(chǔ)、Pytorch開發(fā)技巧、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、算法優(yōu)化、計算機(jī)視覺、自然語言處理】31）案例課：AI-案例課32）基礎(chǔ)實驗課：計算機(jī)視覺33）基礎(chǔ)實驗課：NLP自然語言處理課程資源包含不少于16個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【NLP-相似度模型實驗、WordCloud制作詞云實驗、NLTK工具包使用、中文短文本分類實驗、中文短文本聚類實驗、word2Vec影評數(shù)據(jù)分析、SVM分類垃圾短信、簡易聊天機(jī)器人、基于TensorFlow的DeepQA聊天機(jī)器人實驗、LSTM情感分析實驗、基于LSTM輕松生成各種古詩、CNN與RNN中文文本分類-基于TENSORFLOW實現(xiàn)、利用lstm生成特定作家小說、中英文翻譯系統(tǒng)實驗、語音識別實驗、基于文本的個性化推薦系統(tǒng)】34）課程資源包含不少于15個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Kettle的安裝與運(yùn)行、Python環(huán)境的安裝和運(yùn)行、Python導(dǎo)入數(shù)據(jù)并處理缺失值、異常數(shù)據(jù)、運(yùn)用Kettle合并多源數(shù)據(jù)、運(yùn)用Kettle處理缺失數(shù)據(jù)和異常數(shù)據(jù)、用Python生成與讀取CSV文件、用Python讀取與轉(zhuǎn)換JSON文件、將XML文件轉(zhuǎn)換為JSON文件、使用Kettle抽取本地XML文件、將JSON文件轉(zhuǎn)換為CSV文件、使用Kettle抽取CSV數(shù)據(jù)并輸出為文本、在Kettle中用正則表達(dá)式清洗數(shù)據(jù)、使用Kettle過濾數(shù)據(jù)表、使用Kettle生成隨機(jī)數(shù)并相加、清洗員工信息、清洗在消費(fèi)數(shù)據(jù)】35）、基礎(chǔ)實驗課：PyTorch基礎(chǔ)編程課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【環(huán)境部署、Tensor基本用法、張量的科學(xué)計算、梯度和優(yōu)化、線性回歸和邏輯回歸、數(shù)據(jù)集加載和處理、可視化實現(xiàn)方法、單層神經(jīng)網(wǎng)絡(luò)實現(xiàn)iris數(shù)據(jù)集分類、深度神經(jīng)網(wǎng)絡(luò)實現(xiàn)、卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)】36)基礎(chǔ)實驗課：PyTorch圖像分類與識別課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【CentOS實驗環(huán)境概覽、CentOS7.9編程開發(fā)環(huán)境配置、Anaconda的安裝部署、Python開發(fā)環(huán)境部署、PyTorch等擴(kuò)展庫的安裝及使用、基于AlexNet網(wǎng)絡(luò)的復(fù)雜樣本多分類圖像識別、編程實現(xiàn)VGGNet并以生物圖像為例解決二分類問題、基于GoogLeNet網(wǎng)絡(luò)實現(xiàn)特定物體圖像的識別應(yīng)用、構(gòu)建ResNet網(wǎng)絡(luò)進(jìn)行室內(nèi)外場景的自動識別、DenseNet編程及檔案照片分類識別實踐應(yīng)用】37)基礎(chǔ)實驗課：PyTorch目標(biāo)檢測課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【CentOS命令操作、Linux編程開發(fā)環(huán)境介紹、Anaconda的安裝部署、Python集成開發(fā)環(huán)境的安裝及使用、PyTorch等擴(kuò)展庫的安裝及張量的生成、圖像的矩陣化表示、圖像讀取與圖像像素格式轉(zhuǎn)換、OpenCV對視頻文件的操作、目標(biāo)檢測案例解析、基于CenterNet網(wǎng)絡(luò)進(jìn)行圖像目標(biāo)檢測】38）基礎(chǔ)實驗課：PyTorch目標(biāo)分割課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Linux實驗環(huán)境概覽、Linux編程開發(fā)環(huán)境、Anaconda的安裝部署、Python集成開發(fā)環(huán)境、圖像處理擴(kuò)展庫的安裝、數(shù)字圖像的計算機(jī)表示、VGG網(wǎng)絡(luò)模型編程及數(shù)據(jù)集圖像目標(biāo)辨識、設(shè)計實現(xiàn)ResNet模型進(jìn)行目標(biāo)分割圖像判別、基于FCN預(yù)訓(xùn)練模型進(jìn)行圖像的多目標(biāo)分割、基于PyTorch構(gòu)建自己的目標(biāo)分割網(wǎng)絡(luò)并進(jìn)行應(yīng)用分析】39）基礎(chǔ)實驗課：PyTorch目標(biāo)跟蹤課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【CentOS命令操作基礎(chǔ)、Linux編程開發(fā)環(huán)境介紹、Anaconda的安裝部署、Python程序開發(fā)IDE的安裝及使用、PyTorch及OpenCV等圖像處理擴(kuò)展庫的安裝、圖像的矩陣化表示、圖像讀取與圖像像素格式轉(zhuǎn)換、OpenCV對視頻文件的操作、使用全卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)視頻序列跟蹤目標(biāo)的精確提取、構(gòu)建SiameseFC網(wǎng)絡(luò)實現(xiàn)視頻目標(biāo)跟蹤】40）基礎(chǔ)實驗課：PyTorch圖像描述課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【CentOS命令操作基礎(chǔ)、Linux編程開發(fā)環(huán)境介紹、集成開發(fā)環(huán)境的安裝部署、Python程序開發(fā)IDE的安裝及使用、Python程序開發(fā)IDE的安裝及使用、圖像的矩陣化表示、圖像讀取與圖像像素格式轉(zhuǎn)換、圖像描述中語義分割網(wǎng)絡(luò)的設(shè)計與實現(xiàn)、編程實現(xiàn)基于LSTM網(wǎng)絡(luò)的描述語句生成、圖像描述綜合實例編程應(yīng)用】41）基礎(chǔ)實驗課：PyTorch圖像超分辨率重建課程資源包含不少于10個教學(xué)視頻，視頻總時長60分鐘以上、不少于10個實驗手冊等教學(xué)內(nèi)容。課程提供實驗內(nèi)容包含【Linux命令操作基礎(chǔ)、Linux實驗環(huán)境部署、Conda的安裝部署、Python集成開發(fā)環(huán)境、圖像處理擴(kuò)展庫的安裝及使用、數(shù)字圖像的矩陣化表示、圖像讀取與圖像像素格式轉(zhuǎn)換、基于PyTorch的卷積神經(jīng)網(wǎng)絡(luò)編程實現(xiàn)、圖像超分辨率重建與深度殘差網(wǎng)絡(luò)、SRR