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

Python数据分析与应用

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