• <tt id="swugw"></tt>
    <sup id="swugw"></sup>
  • <dd id="swugw"><blockquote id="swugw"></blockquote></dd>
  • <input id="swugw"><tt id="swugw"></tt></input>
  • <small id="swugw"><dd id="swugw"></dd></small>
  • <object id="swugw"><optgroup id="swugw"></optgroup></object>
  • <xmp id="swugw"><tt id="swugw"></tt>
    当前位置:首页 > 新闻资讯 >

    第三章 课程体系与教学规划

    时间:2020-06-30 12:49

    第三章  课程体系与教学规划
     
    1. 专业课程体系
     
    根据应用型本科人才的本质特征,过程控制结合人工智能专业的自身特点、社会需求和学科发展的需要构建基于技术技能本位的应用型本科课程体系。深入调研用人单位需求、行业发展、   公司专业设置标准,专业知识主线符合人工智能运营现状,以能力为导向构建有梯度的课程体系,满足人工智能行业应用的知识要求。提出 STB 软件行业人才能力标准模型:
    (一)、聚焦软件能力,与人工智能就业岗位对接:设置 Java 开发、Python 开发、数据库使用与开发、系统运维等软件能力;
    (二)、覆盖专业技术能力,包括 Python 框架、机器学习、深度学习、人工智能数据训练、人工智能开发;
    (三)、强化业务应用能力,与实训项目对接:智能音箱、人脸识别、智能搜索、智能推荐。
    人工智能专业 STB IT 技能模型分为 3 大分类,5 个能力模块,17 个单项能力。
    1. 专业课程设置
     
    根据应用型本科人才的本质特征,结合社会需求和人工智能专业的特点以及学科发展的   需要,构建基于技术技能本位的应用型人工智能本科课程体系。在人工智能专业的数理及人   文思政等通识课程、计算机与嵌入式知识课程、电路与电子学知识课程、程序设计课程、人   工智能技术基础上构建专业基础知识主线,并由具体课程对项目设计实施、配置调试、应用   科研等应用主线上的每个环节进行支撑。
    专业基础课:C 语言程序设计、Python 程序设计、人工智能导论、操作系统原理及应用(Linux)、计算机组成原理、面向对象程序设计(Java);专业主干课:数据库原理及应用、IP 网络技术、Java Web 程序设计、人工智能数学基
    础、Linux 系统运维、云数据中心基础、Hadoop 集群部署与开发;
    专业核心课:Python 爬虫开发、Python 机器学习、图像处理、数据挖掘与分析、Python 数据分析及应用、深度学习、Scala 编程实战、Spark ML 人工智能实战、Flink ML 人工智能实战、人工智能数据训练实战、人工智能行业应用实战;
    专业实训课:深度学习实战、Caffe 人脸识别项目实战战、智能搜索与智能推荐项目实战、计算机视觉应用实战、企业级智能安保实战 、智能语音应用实战、智能驾驶应用实战。
    专业核心课程介绍
     
     
    课程名称 课程描述 学时
    一、专业基础课
     
     
     
     
     
    C 语言程序设计
    本课程的教学目标是培养学生的程序设计素质和创新素质。在教学中鼓励学生敢于动手,勤于实践,从而培养学生对计算机技术的兴趣和意识,让学生了解和掌握《C语言程序设计》的基本知识和编程技能,通过实际任务的应用设计掌握 C 语言的基本语法。包括运算符与表达式、过程化控制语句、函数与函数重载、递归函数、数组、指针、结构体、宏定义等知识点学习,培养学生具备良好的程序设计风格、技巧和方法,使学生熟练掌握系统分析能力和
    程序设计能力,编写出高质量软件。
     
     
     
     
     
    64
    过程控制实验装置组态设计 课程的教学目标是培养学生的程序设计素质和创新素质。在教学中鼓励学生敢于动手,勤于实践,从而培养学生对对国控制技术的兴趣和意识,加强工程训练和实践 32
     
     
    Python 程序设计
    Python 程序设计是人工智能专业基础必修课, 包含 Python 语法、数据类型、函数、文件操作
    、异常、模块、面向对象等内容。通过本课程 的学习,让学生掌握 Python 的基础知识。
     
     
    48
     
     
     
    人工智能导论
    通过本课程的学习,使学生了解人工智能的基本概念、关键技术、应用开发。课程内容涉及人工智能的各个领域,充分体现“引导”的作用。主要内容包括人工智能发展历程及应用及未来趋势,人工智能基础、算法、人工智能产 业链等知识结构、专业的学习方法和就业指导。  
     
     
    32
     
    操作系统原理及应用
    (Linux)
    本课程的设置旨在引导学生掌握 Linux 平台开发的基础概念、实用技术和应用模式,为学生在 Linux 平台上开发软件,实现移动增值服务打
    下坚实的基础。内容简介与要求:本课程以实
     
     
    48


      际开发案例为基础,在理论讲授的同时为学生安排了大量的实训项目,主要内容包括 Linux 平台发展历史、Linux 平台架构、Linux 平台开发的系统环境、应用程序的开发过程、Linux 应用程序组件、高级用户界面设计、网络通信、无线通信,电话信息系统管理、数据库应用、Android 资源及 SDK 工具。  
     
     
     
     
     
     
     
    计算机组成原理
    计算机组成原理是计算机专业的必修核心课程之一,通过该课程的教学让学生系统地掌握计算机的基本组成原理、计算机内部工作机制以及常用的微机接口技术。本课程主要内容有计算机系统(包括运算器、存储器、控制器、输入和输出子系统等)的基本组成、设计方法、相互关系以及将各子系统连接起来,构成整机系统的技术。通过本课程的学习,使学生掌握微型计算机的基本工作原理,了解 80X86 微机的系统构成和设计思想;能分析和设计常用的微机接口;继续更新知识,学习和掌握本领域
    的新技术。
     
     
     
     
     
     
    48
     
     
     
     
     
    面向对象程序设计(Java)
    Java 面向对象程序设计是计算机专业基础必修课,教学中以 JAVA 语言为依托,主要培养学生面向对象软件开发的基础知识,通过类与对 象、对象的抽象、封装与类、继承与多态、工 具类的学习,掌握面向对象程序设计方法;通 过学习,学生需要掌握 java 程序设计语言概述、Java 语言的基本语法、程序流程控制语句、Java 图形图像、Java 输入输出(I/O)、多线程与异常处理、Swing 程序设计、Applet 程序设计等相
    关的知识。在实践的开发中要能够灵活应用。
     
     
     
     
     
    64
    二、专业主干课
     
     
     
     
    数据库原理与应用
    本课程围绕如何设计数据库,系统地讲述了数 据库的基本概念、SQL 语句、关系规范及其优化数据库,同时理实结合的方式 ,基于 MySQL、Oracle 数据库管理系统使学生系统地理解如何设计一个合理的、优化的数据库,培养学生具 有设计数据库模式以及开发数据库应用系统的
    基本能力。
     
     
     
    48
     
     
    IP 网络技术
    要求学生掌握 TCP/IP 网络技术知识,掌握 IP 网络关键设备知识,包括交换机、路由器、防 火墙等网络设备,要求学生能够对物联网网络 进行设计、组网、安装及调试,提升学生网络
    组建技能。
     
     
    48


     
     
    人工智能数学基础
    课程内容包含:统计学(欧式距离、马氏距离、 切比雪夫距离等)、概率论(正态分布、泊松 分布、指数分布等)、微积分(导数、梯度、 泰勒公式等)、矩阵运算、最优化理论、信息 论。  
     
    48
     
     
     
     
    Linux 系统运维
    该课程是面向 Linux 系统运维岗位开设的一门专业核心课。系统运维是一项实践性非常强的技术,要求能够熟练使用 Linux,熟悉各种系统服务器部署、调试和性能优化。本课程的任务是:通过移动电商系统运维技术的系统学习和项目化的运维实践,掌握移动电商系统基础运维技术、大规模集群部署技术、自动化运维技术以及移动电商、云计算、大数据行业主流平
    台的部署、测试、运行和维护技术。
     
     
     
     
    64
     
     
     
    Java Web 程序设计
    本课程是软件开发工程师岗位开设的一门专业核心课。系统地讲述了 JSP 基本语法 、jsp 内置对象、cookie 和 session 区别是、 EL 表达式、JSTL 标签使用、Servlet 生命周期及 Servlet 服务器、Servlet 过滤器和监听器、MVC 开发模式、
    项目案例:家电类购物网站开发。
     
     
     
    64
     
     
     
     
    云数据中心基础
    本课程是一门面向云数据中心内众多岗位开设的一门专业课程。结合学校办学特色,本课程采用云数据中心建设项目作为课程支撑。云数据中心工程师,是一个实践性非常强的岗位, 要求能够熟练使用 Linux,熟悉各种系统服务器部署、调试和性能优化,各种管理系统,虚拟
    化平台,云计算平台等。
     
     
     
    32
    三、专业核心课
     
     
     
     
    Python 数据分析与应用
    本课程是一门专业主干课,是在 Python 程序设计基础上开设的一门课程。本课程主要内容包括 NumPy 数组,pandas 基础与应用,matplotlib 基础,数据检索、加工与存储,数据可视化等内容。
    通过本课程的学习,可以更深入地了解 Python
    语言,能够使用 Python 语言进行数据分析,能够了解数据处理、数据加工、数据分析的基本
     
     
     
     
    64


      流程与方法。  
     
     
     
     
    数据挖掘与分析
    数据挖掘与分析是高级数据处理和分析技术。通过本课程学习,使学生了解数据挖掘这种现代数据分析和知识挖掘方法的思想与技术,了解数据挖掘的基本理论,掌握重要的数据挖掘方法,掌握如何利用 Mahout 算法库实现数据分析和挖掘,并使学生具有进一步学习的基础与
    能力。
     
     
     
    48
     
     
     
     
    Python 机器学习
    机器学习是人工智能的重要分支领域,本课程 是人工智能专业的核心课程。本课程主要内容 包括机器学习分类,监督学习介绍,回归相关 算法介绍与应用,分类相关算法介绍与应用, 非监督学习介绍,聚类相关算法介绍与应用, 降维等。通过本课程的学习能够对机器学习的 概念,机器学习与人工智能的关系,机器学习 的分类以及机器学习涉及到的相关算法有较深
    入的了解。
     
     
     
     
    64
     
     
     
    图像处理
    本课程主要介绍 OpenCV 及 TensorFlow 两个方面的入门知识,着重介绍 OpenCV 图像处理的相关知识如像素、文件封装、图像几何变换(缩放、位移、镜像等)、图片特效及线段文字绘 制(灰度,毛玻璃,优化)、图像美化(修复滤波,
    磨皮)等。
     
     
     
    32
     
    Scala 编程实战
    本课程主要包含包含 Scala 简介、Scala 安装及开发环境配置、Scala 基础语法、字符串、数值、控制结构、类和属性、方法、对象、集合等。  
    32
     
     
     
    深度学习
    课程内容包含:机器学习的基础知识,包括从 学术观点出发的学习深度学习(线性代数、概 率论和信息论等)所必需的应用数学知识。随 后深入探讨了现代深度学习算法和技术。在最 后,本书重点关注了当前的深度学习的研究趋
    势和深度学习领域的新动向。
     
     
     
    64
     
    Spark ML 人工智能实战
    本课程主要包含包含:Spark MLlib 基础、Spark MLlib 回归算法、Spark MLlib 分类算法、Spark
    MLlib 聚类算法、Spark MLlib 关联规则挖掘算
     
    64

     
      法、Spark MLlib 推荐算法、Spark MLlib 神经网络算法等内容。  
     
    Flink ML 人工智能实战
    本课程主要包含:Flink ML 基础、Flink ML 环境搭建、监督学习与非监督学习、数据处理、推荐、离群点选择等。  
    64
     
     
    人工智能数据训练实战
    本课程要求掌握 Tensorflow 深度学习和模型构建与训练、训练过程优化方法与问题优化、计算图构建、学习变量作用域与变量命名、搭建多层神经网络并完成优化、正则化优化神经网络、梯度问题与解决方法。  
     
     
    人工智能行业应用实战
    本课程主要介绍百度在人工智能各行业的应
    用,通过对各应用场景背后的原理知识点介绍, 为后续学生进行各场景的项目实训打下基础, 包括语音智能应用、计算机视觉应用、智能驾 驶应用等。
     
     
    48
    四、专业实训课
     
     
    深度学习实战
    课程内容包含:人工智能、机器学习与深度学 习概念、TensorFlow 环境搭建、TensorFlow 计算模型、数据模型、运行模型、深度神经网络、图像识别与卷积神经网络、图像数据处理、循
    环神经网络、自然语言处理等。
     
     
    1 周
     
     
     
    企业级智能安保实战
    智能安保系统包含三层架构,第一层数据感知层,第二层能力平台支撑层,第三层是应用层。基础层是所有信息产生的基础,实现数据的采集,并通过网络和数据采集技术方式对数据进 行实时分析,并向平台层输入初步分析的数据。
    能力支撑平台主要包含智能分析模块和信息交
     
     
     
    1 周

     
    第四章  实验室介绍
    数据通信技术介绍及现状
     
    数据通信平台是基于对 IP 网络最基本的理解,采用合适的运营级路由器和交换机进行各种形式的组网,能充分体现 IP 技术在计算机网络中的使用方式和业务特点。在网络边缘接入侧的汇聚路由器可以提供更多的业务能力,包括 VPN、动态/静态路由协议、认证方式、
    管理方式等多种技术,能让学生得到充分学习及实践应用。整个网络实验模块是按照需求分
    组配置的,每组配备路由器,二层交换机和三层交换机,组成一个完整的实验组,为学生今   后学习华为其他的设备奠定了硬件基础。再现了企业的接入数据网络的模型。而且各组之间   可以通过汇聚路由器互联,实现更大的区域网络的互联组网。
    组网拓扑图及组网
            (1)实验室组网拓扑如下图:
     
    数据通信实验室解决方案采用业界主流网络设备与组网方案,为高校节省建设成本,完  全重现现网运行的一种 IP 网络设计方案。
    系统可分为核心设备区、外网区、  教学区等分区设置架构,有效保证数据通信的安全性,更保证了业务的可扩展性。
    最新网络技术为高校提高实验室质量、为学生提高综合实践能力。增加业务的综合  性以及完整性、完全模拟现网运行的一种 IP 网络设计方案。
    实验平台的核心功能包括人工智能实验云管理平台、机器学习于深度学习平台、人脸识  别智能应用平台、基础资源池平台、Hadoop 集群支撑平台。
     
    过程控制人工智能综合创新实验室
     
    (1)过程控制人工智能实验智能管理系统
     
    智能管理系统采用 B/S 架构,主要支持教师、助教和学员(含学生)三大类用户通过浏览器登陆和使用本系统;
    教师登陆成功后,可以进行七大类管理
    学员管理;
    课程管理;
    科研任务管理;
    报告管理;
    考试管理;
    成绩管理;
    学员登陆成功后,学员就可以使用本系统为学员设计五大类功能
    学习;
    报告;
    考试;
    助教登陆成功后,可以看到和使用经教师授权的部分或全部管理功能(比如学员管理、
    课程管理、科研任务管理、报告管理、考试管理和成绩管理中的一个或多个管理功能)。管理员为教师创建账号并且完成本系统日常运维(如导入课程库、试题库,配置管理课
    程学习资源(虚拟)服务器)。
     
    1. 机器学习于深度学习系统
     
    机器学习模块与深度学习模块,提供了常见的机器学习、深度学习的算法,包括 SVM
    (支持向量机)、Logistic Regression(逻辑回归)、Decision Tree(决策树)、cnn(卷积神经网络)等;
    数据模块,提供了测试数据集、训练数据集和任务模块,使用可拖拽的流程图方式来组   建、执行任务。通过该系统可以降低将机器学习算法应用于实际任务的难度。数据集支持MNIST、Imagenet、COCO、PASCAL VOC、CIFAR、Open Image 等;
    支持人工智能行业主流框架 Tensorflow,可用 Tensorflow 卷积神经网络、循环神经网络、Autoencoder 等算法。支持 Python 人工智能,支持常用数据分析库 Numpy、Pandas、Scipy、Matplotlib。
    1. 人脸识别应用引擎系统
     
    数据共享交换模块:包括数据共享和数据交换两部分功能,可为不同的数据源之间提供  数据连接,避免不同应用中的数据兼容问题。可在不同数据库、不同数据格式间进行数据交换,提供应用服务平台,可解决不同应用之间的数据高效互联互通,可最大限度发挥数据的   价值。
    中间件模块:基于面向服务的事务服务总线和服务协同平台确保各个应用系统之间的信  息无缝连接。
    数据挖掘与分析模块:对数据价值进行挖掘和分析的模块,包括基础数据、实时数据的   融合和实时智能分析。可对大量的出入安全信息数据进行基本统计、数据检索,同时使用机   器学习和深度学习的技术手段更大程度上提升产品的服务质量和用户体验。
    基础数据库模块:采用多线程架构,可实现对多种数据类型的操作,在高效稳定地利用  资源的同时,能够灵活地为为应用提供服务支撑。
    人脸识别模块:访客通过身份证来触发校园人证比对智能门卫系统,整个系统的所有来   访信息可进行追溯,同时通过人证比对和人脸识别功能,可对来访人员进行高效地校园出入   安全管理。
    1. 基础资源池平台
     
    云管理平台:云管理系统分为用户管理、网络管理、模板管理、镜像管理四大  模块。
    Hadoop 集群支撑平台
    Hadoop 服务:包括 Hadoop 离线计算和 Hadoop HA 服务。计算服务:包括内存计算和实时计算。

    4.1.1 人工智能实验云管理平台
    数据服务:包括数据采集和数据迁移。
    存储分析:包括分布式数据库、数据仓库和数据挖掘。
    插件管理:平台集成多种 Hadoop 管理插件,如 Ambari、Cloudera 等。
     
    Job 管理:平台支持 MapReduce、Hive、Pig 等作业的可视化管理。
    人工智能实验云管理平台采用 B/S 架构,主要支持管理员、教师、助教和学生四大类用
    户通过浏览器登陆和使用本系统、支持助教使用经教师授权的管理功能、支持管理员用户进   行日常系统运维。
     
     
    教师注册和登陆管理、学生管理(创建班级、导入学生信息(报表导入或学校系统对接)、
    和学生互动),实验课程管理(新建实验课程、新建实验任务、更新课程内容、更新实验任   务、分配实验课程给班级或学生),实验报告管理(新建、删除、关联到实验课程、分配到   班级或学生),考试试题管理(新建、删除、关联到实验课程、分配到班级或学生),学习   情况管理(实验课程完成情况、实验报告完成情况、考试得分情况);

     
    1. 学生管理
    在学生管理界面,教师可以清晰看到自己所教的班级以及管理员所创建的所有班级,如  有需要可以对班级进行选择。点击【查看】,可查看班级中所有学生的基本详细信息,如年   龄,姓名、学号、联系方式等。

     
    1. 报告管理
    报告管理中,学生可以查看已经创建的报告,以及该报告分配的班级等信息。在创建报  告时,教师可以选择将报告分配给班级,管理到课程,选择报告的评分方式等。