教学计划

本课程为智科科学与技术专业人工智能系列课程之一，采用线上线下混合式教育模式进行，由于当前仍然属于建设期，因此资源将持续更新，恕不额外进行通告。本课程采用多种形式展开教学，主要包含如下几种模式。

数据集：本课程用到的所有第三方数据集

授课时间 课程内容 在线资源 作业及资料
  • 1
  • 09.03
  • 课程导学 （1课时）
  • 1. 课程基本信息
  • 2. 课程组织形式
  • 3. 课程作业与考核
  • 4. 学习建议
  • [项目001] 初识AI：通信大数据行程卡信息识别
  • [项目002] Python机器学习环境安装和配置
  • 2
  • 09.10
  • 第1章 人工智能概述（一）
  • 1.1 人工智能概述
  •  
  • 3
  • 4
  • 09.24
  • 第1章 人工智能概述（二）
  • 1.2 机器学习简史
  •  
  • 5
  • 6
  • 10.08
  • 第1章 人工智能概述（三）
  • 1.3 深度学习概述
  • 1.4 初识神经网络
  •  
  • 7
  • 10.15
  • 第1章 人工智能概述（四）
  • 1.4 初识神经网络
  • [项目005] 初识神经网络：基于LeNet的手写数字识别
  •  
  • 8
  • 10.22
  • 第5章 前馈神经网络（一）
  • 5.1 神经网络的发展历程
  • 5.2 线性回归
  • [项目006] 基于线性回归的波士顿房价预测
  •  
  • 9
  • 10
  • 11.05
  • 第5章 前馈神经网络（二）
  • 5.3 Softmax回归
  • 5.4 多层感知机
  •  
  • 11
  • 11.12
  • 第5章 前馈神经网络（三）
  • [项目007] 基于多层感知机的手势识别
  • 12
  • 11.19
  • 第4章 图像数据集和数据预处理（一）
  • 4.1 经典图像数据集简介
  • 4.2 数据准备
  • 4.3 数据读取
    • [项目003] 数据准备
  • 13
  • 11.26
  • 第4章 图像数据集和数据预处理（二）
  • 4.4 数据增广
  • [项目004] 数据规约与数据增广
  •  
  • 14
  • 12.03
  • 第6章 卷积神经网络（一）
  • 6.1 卷积神经网络概述
  • 6.2 卷积神经网络的整体框架
  •  
  • 15
  • 12.10
  • 第6章 卷积神经网络（二）
  • 6.3 卷积的基本原理
  • 6.4 填充和步幅
  • 6.5 多输入通道和多输出通道
  • 6.6 池化层
  •  
  • 16
  • 12.17
  • 第6章 卷积神经网络（三）
  • [项目008] 卷积神经网络的结构设计与实现
  •  
  • 17-18
  • 12.24, 01.04
  • 第6章 卷积神经网络（四）
  • 6.7 经典卷积神经网络LeNet
  • [项目009] 基于卷积神经网络的车牌识别
  •  
  • Competitions