高校大数据与人工智能研究与学习从哪些方面展开?

国家十三五规划纲要明确提出“实施国家大数据战略,推进数据资源开放共享”,为我国在大数据领域的未来发展绘制了宏伟的蓝图,开启了我国大数据发展的新时代。教育部《高等学校人工智能创新行动计划》及国务院颁布的《新一代人工智能发展规划》,责成科技司、基教司、职成司、高教司、地方各级教育行政部门大力推动人工智能、大数据等新技术在教育教学中的深入应用,推进信息技术与高等教育教学深度融合。从发布对人工智能、大数据等新技术与教育结合的指导性文件到直接扶持建设相关教学项目,为高校进行教学改革和升级教学手段和方式指明了新的方向。

大数据及人工智能产业的发展对人才提出了新的需求,国内各高校在积极进行学术研究的同时,已经将大数据与人工智能教育纳入培养体系。

大数据人工智能课程知识体系、授课方法、实验环境搭建、基础编程、实训实验室建设、高校课程公共服务平台资源都是研究的重点

高校教师应了解:

当下大数据与人工智能技术在世界范围内的最新发展水平;

理解大数据与人工智能技术在当代各种相关产品中的应用,并掌握该领域最关键技术的原理,以及技术应用过程;

快速建立对相关课程的整体性认识,为高校备课和顺利开课、科研和项目开发工作打下坚实基础。

课程内容以“鱼骨教学法”进行编排设计,所有课程将围绕真实企业项目展开,强调实战性和真实性。教师亲身接触企业一线工作场景,充分提升教师的实践教学能力。

本次课程通过讲授、研讨、动手实操,多种灵活有效的教学方式,加强大数据专业师资队伍的建设,提升教师教学创新思维。了解大数据及人工智能岗位目前的就业形势、前景及所需相关技能,了解企业实际需求, 并参与一个实际项目的全过程,将学习转化成教学成果,运用到教师自己后续的教学当中去,全部提升教师实践教学能力。

了解高校大数据人工智能专业的教材、实验室、实训室建设内容、产品、科研和创新创业最新讯息。

Python编程基础

1准备工作

2列表操作

3程序流程控制语句

4字符串操作

4.1字符串及其索引&切片

4.2字符串的常见方法

4.3字典的创建及索引

4.4字典常用操作

4.5字典推导式

5Python文件读取操作

5.1Python读取文件

5.2练习3:统计小说中的单词频次

6函数

6.1Python函数自定义

6.2练习4:自定义求序列偶数个数的函数

7面向对象与模块

7.1Python方法与函数对比介绍

7.2Python面向对象示例

7.3Python模块使用

7.4第三方库的安装与调用

8注意事项

8.1Python工作路径说明

8.2模块命名及存放路径的注意事项

8.3结语

 

Python数据分析与应用

1Python数据分析概述

1.1数据分析概述

1.2熟悉Python数据分析的工具

1.3安装Python的Anaconda发行版

1.4掌握JupyterNoteBook常用功能

2NumPy数值计算基础

2.1掌握numpy数组对象

2.2掌握Numpy矩阵与通用函数

2.3利用Numpy进行统计分析

3Matplotlib数据可视化基础

3.1掌握绘图基础语法与常用参数

3.2分析特征间关系

3.3分析特征内部数据分布与分散情况

4Pandas统计分析基础

4.1读写不同数据源的数据

4.2掌握DataFrame的常用操作

4.3转换与处理时间序列数据

4.4使用分组聚合进行组内计算

4.5创建透视表与交叉表

5使用Pandas进行数据预处理

5.1合并数据

5.2清洗数据

5.3标准化数据

5.4转换数据

 

进阶学习和研究

Python数据分析预处理实战

1探索Iris鸢尾花数据

1.1  将数据集存成变量iris创建数据框的列名称[‘sepal_length’, ‘sepal_width’, ‘petal_length’, ‘petal_width’, ‘class’]

1.2数据框中有缺失值吗?

1.3将列petal_length的第10到19行设置为缺失值。

1.4将petal_lengt缺失值全部替换为1.0。

1.5删除列class。

1.6将数据框前三行设置为缺失值。

1.7删除有缺失值的行。

1.8重新设置索引。

2探索Chipotle快餐数据

2.1将数据集存入一个名为chipo的数据框内

2.2查看前10行内容

2.3数据集中有多少个列(columns)?

2.4打印出全部的列名称

2.5数据集的索引是怎样的?

2.6被下单数最多商品(item)是什么?

2.7在item_name这一列中,一共有多少种商品被下单?

2.8一共有多少个商品被下单?

2.9将item_price转换为浮点数

2.10在该数据集对应的时期内,收入(revenue)是多少?

2.11在该数据集对应的时期内,一共有多少订单?

2.12每一单(order)对应的平均总价是多少?

3探索Apple公司股价数据

3.1读取“appl_1980_2014.csv”数据并存为一个名叫apple的数据框。

3.2查看每一列的数据类型。

3.3将Date这个列转换为datetime类型。

3.4将Date设置为索引。

3.5有重复的日期吗?

3.6将index设置为升序。

3.7找到每个月的最后一个交易日(businessday)。

3.8数据集中最早的日期和最晚的日期相差多少天?

3.9在数据中一共有多少个月?

3.10按照时间顺序可视化Adj Close值。

机器学习实践

1机器学习绪论

1.1引言

1.2基本术语

1.3假设空间&归纳偏好

2模型评估与选择

2.1经验误差与过拟合

2.2评估方法

2.3性能度量

2.4性能度量Python实现

3回归分析(RegressionAnalysis)

3.1线性回归基本形式

3.2线性回归模型的Python实现

3.3波士顿房价预测的Python实现

3.4逻辑回归介绍

3.5研究生入学录取预测的Python实现

4聚类分析(ClusterAnalysis)

4.1聚类分析概述

4.2相似性度量

4.3K.Means聚类分析算法介绍

4.4利用K-Means算法对鸢尾花进行聚类

4.5聚类结果的性能度量

4.6调用sklearn实现聚类分析

深度学习基础-人工神经网络

1单个神经元介绍

2经典网络结构介绍

3神经网络工作流程演示

4如何修正网络参数.梯度下降

5网络工作原理推导

6网络搭建准备

7样本从输入层到隐层传输的Python实现

8网络输出的Python实现

9单样本网络训练的Python实现

10全样本网络训练的Python实现

11网络性能评价

12调用sklearn实现神经网络算法

机器学习案例实战

基于水色图像的水质识别

1.案例背景与目标

2.读取一张图片数据

3.获取图片数据的像素值矩阵

4.截取图像的有效区域

5.水质图像特征-颜色矩

6.三个颜色矩的Python实现

7.如何进行批量化数据转换

8.自定义函数获取指定路径中的所有图片名称

9.处理所有图片数据

10.数据处理代码整理

11.模型构建与性能评估

TensorFlow2实战

1TensorFlow2.0使用入门

1.1TensorFlow2.0简介

1.2TensorFlow2.0环境搭建

1.3TensorFlow2.0的Eager模式

1.4TensorFlow2.0AutoGraph

1.5TensorFlow2.0低阶API:tf.constant,tf.Variable……

1.6TensorFlow2.0高阶API:keras

2 TensorFlow2.0牛刀小试

2.1 TensorFlow2.0实现线性回归模型

2.2操作:TensorFlow实现鸢尾花分类

3 TensorFlow2.0实现多层神经网络

3.1 BP神经网络模型(Back Propagation)

3.2 操作:利用TensorFlow构建BP网络模型实现鸢尾花分类

4手写数字识别

4.1 图片预处理

4.2 占位符:placeholder

4.3 操作:利用TensorFlow2.0实现SoftMax网络对手写数字分类

5 模型保存与调用

5.1 TensorFlow2.0模型保存操作

5.2调用模型对新样本进行预测

人工智能核心课-深度神经网络

1卷积神经网络CNN

1.1卷积神经网络(CNN)简介

1.2 CNN关键结构:卷积层与池化层

1.3 经典卷积网络模型: LeNet-5

1.4 图像数据处理

1.5 操作:CNN的TensorFlow2.0实现

2循环神经网络RNN

2.1循环神经网络(RNN)简介

2.2 RNN网络关键结构: 隐层互联

2.3 经典RNN模型: LSTM

2.4 时序数据处理

2.5 操作:RNN的TensorFlow2.0实现

综合实战

实战:搭建一个人脸识别系统

1.1 案例背景及目标

1.2 数据准备(opencv-python)

1.3 人脸检测及数据转化

1.4 CNN网络模型训练与保存

1.5 模型加载与调用

1.6 人脸实时识别

Python爬虫助力疫情数据追踪

1明确项目需求与目标

2环境准备

3获取疫情数据(全球、中国各省及各地区数据)

4疫情数据分析

5疫情数据可视化

6完成分析报告

人工智能-自然语言处理

1自然语言处理基础

1.1自然语言处理简介

1.2中文分词

1.3 NLP概率图

1.4文本分类

2词表征(Word Representation)

2.1词表征的背景与应用

2.2one-hot编码

2.3tf-idf权值向量

2.4word2vec原理及实现

3深度学习挖掘语义特征

3.1词向量组合相似度

3.2基于循环神经网络(RNN)编码的相似度计算

自然语言处理综合实战

基于深度学习的疫情期间网民情绪识别

1明确项目需求与目标

2 环境准备

3数据预处理

4加载模型、构建读取接口

5确定训练策略

6配置参数

7确定任务,开始训练

8性能评估及总结

125jz网原创文章。发布者:江山如画,转载请注明出处:http://www.125jz.com/6137.html

(0)
江山如画的头像江山如画管理团队
上一篇 2020年5月6日 下午3:35
下一篇 2020年5月7日 下午4:03

99%的人还看了以下文章

  • 深度学习中的激活函数、防止过拟合的方法

    激活函数需要具备的属性: 非线性: 几乎处处可微: 计算简单: 非饱和性(saturation): 单调性(monotonic): 输出范围有限: 接近恒等变换(identity): 参数少: 神经网络中激活函数的真正意义?一个激活函数需要具有哪些必要的属性?还有哪些属性是好的属性但不必要的? 非线性:即导数不是常数。这个条件是多层神经网络的基础,保证多层网…

    2022年9月22日
    8801
  • 2019年度山东省重点研发计划 (重大科技创新工程第二批)项目申报指南

    一、高端自主芯片 针对我省芯片产业存在的产业基础薄弱、持续创新能力不强、产品大量依赖进口等问题,2019年芯片领域围绕芯片材料制备、设计与封装测试、功能芯片研发和量子技术等四个研究方向,集中优势力量突破制约产业创新发展的重大技术瓶颈,支撑我省芯片产业加速发展。 (一)芯片材料制备 开展宽禁带半导体单晶衬底和外延材料研究,突破生长、掺杂、缺陷控制和光电性能调控…

    2019年4月11日
    4.7K0
  • 嵌入式人工智能与物联网应用技术学习资料及课程内容大全

    人工智能是近两年的热门话题,深度学习、智能驾驶、智能家居、机器人等AI相关领域成为创业创新的焦点。嵌入式人工智能技术在智能终端上的应用发展十分迅猛,在工厂智能化、无人机、智能手机、机器人、智能汽车等方向,从用户、医院、汽车、飞机和工厂等都出现了嵌入式人工智能的身影。 嵌入式人工智能(嵌入式AI),是一种让AI算法可以在终端设备上运行的技术概念。换句话说,它的…

    2020年7月20日
    3.6K0
  • 护眼软件推荐-最好的电脑/笔记本护眼软件

    最懂您的护眼保护师 支持蓝光滤镜,屏幕调光器和休息提醒(兼容Win10 / Win8 / Win7 / Vista / XP) 定时休息Eyes保护师提醒您每隔一段时间将自动进入屏保休息时段,这对于工作时的您非常重要,它可以让你工作效率变得更高。 蓝光滤光片 Eyes保护师自动过滤蓝光,使屏幕看起来更舒适,拥有色温的识别以及月光、烛光、太阳光、白炽灯等多灯光…

    2020年3月29日
    2.2K0
  • 我国高校人工智能学院:现状、问题及发展方向

    关键词: 新一代人工智能;人工智能学院;高质量发展;新工科 首见:机器学习研究会 转载自:《 现代远距离教育》2019年第3期 总第183期 人工智能是新一轮科技革命和产业变革的核心驱动力,给我国经济社会带来了极其深远的影响,既为促进经济建设注入了新动能,又为服务社会发展带来了新机遇。当前,我国政府高度重视发展人工智能,并从国家战略高度全面推进人工智能领域发…

    2019年7月5日 科技
    2.4K0
  • 一款软件让你保持专注,提高工作效率,完成更多工作

    番茄土豆是一款为创意工作者设计的时间管理应用,拥有任务清单、在线番茄钟、工作周报、云同步等功能,你可以随时在 Web、Android、iPhone 等设备上使用它。 完整的工作流效率工具 从收集想法、规划任务 到 专注工作、归纳分析,番茄土豆提供了完整的工作流效率管理。 效率 = 专注 基于番茄工作法,帮助你集中注意力。 简单而强大的任务列表 轻量级的任务列…

    2018年7月23日
    2.1K0

发表回复

登录后才能评论