了解課堂上人工智能學(xué)習(xí)的痛點。 了解華清遠(yuǎn)見元宇宙實驗中心和華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)。 了解人工智能的發(fā)展以及現(xiàn)在人工智能在各個領(lǐng)域上的應(yīng)用，通過學(xué)習(xí)Python了解該語言在人工智能開發(fā)上的優(yōu)缺點，并能夠簡單的開發(fā)和使用Python。

• 1人工智能課堂上教學(xué)的難實施性與實驗的難度

• 2學(xué)習(xí)華清遠(yuǎn)見元宇宙實驗中心的使用和各模塊功能

• 3了解華清遠(yuǎn)見物聯(lián)網(wǎng)虛擬仿真系統(tǒng)以及各模塊功能

• 4了解華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)以及各模塊功能

• 5Python的基本操作、條件語句和循環(huán)語句

• 6Python的數(shù)據(jù)類型

  6.1 Numbers類型
  6.2 String類型
  6.3 List類型
  6.4 Tuple類型
  6.5 Dict類型
  6.6 Set類型

• 1Python的JSON數(shù)據(jù)封裝及解析

• 2Python的requests庫的使用

• 3華清遠(yuǎn)見人工智能虛擬仿真服務(wù)安裝與使用

• 4Jupyter的安裝與使用規(guī)則

• 5通過Python尋找數(shù)據(jù)集并下載圖片數(shù)據(jù)集

• 6百度AI開放平臺實現(xiàn)圖片識別

本節(jié)開始講解在人工智能開發(fā)過程中，基于Python常用的庫，包括Numpy、Matplotlib、Pandas、Sklearn等。 利用華清遠(yuǎn)見人工智能虛擬仿真的基礎(chǔ)視覺應(yīng)用3D場景，并基于2D環(huán)境實現(xiàn)車牌識別邏輯實現(xiàn)車牌識別，并基于仿真軟件生成代碼了解具體代碼識別流程。

• 1Numpy矩陣介紹

  1.1 數(shù)組的創(chuàng)建
  1.2 打印數(shù)組
  1.3 數(shù)組運算
  1.4 形狀改變

• 2Matplotlib繪圖庫介紹

  2.1 繪制正弦圖
  2.2 繪制余弦圖
  2.3 繪制繪圖區(qū)域
  2.4 繪制散點圖

• 3OpenCV視覺庫介紹

  3.1 OpenCV實現(xiàn)顏色識別
  3.2 OpenCV實現(xiàn)形狀識別

• 4Pandas數(shù)據(jù)分析庫介紹

• 5Sklearn機(jī)器學(xué)習(xí)庫介紹

• 6MQTT消息協(xié)議

• 1顏色、形狀3D場景與2D邏輯實現(xiàn)顏色識別、形狀識別

• 2虛擬仿真軟件生成Python代碼實現(xiàn)顏色識別、形狀識別

• 3車牌3D場景與2D邏輯實現(xiàn)車牌定位

• 4了解車牌的數(shù)據(jù)集

• 5訓(xùn)練車牌識別的模型，并了解HOG特征提取

• 6車牌3D場景與2D邏輯實現(xiàn)車牌識別流程

• 7生成代碼了解并查看Python如何實現(xiàn)車牌的定位、模型訓(xùn)練與車牌識別

掌握語音的模擬聲音和數(shù)字聲音的區(qū)別，掌握語音的時頻域與mel特征，掌握機(jī)器學(xué)習(xí)算法與神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)概念與基礎(chǔ)知識， 應(yīng)用華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)進(jìn)行算法與結(jié)果判別，并通過軟件與代碼的一鍵生成了解代碼內(nèi)部構(gòu)造。

• 1認(rèn)識模擬聲音與數(shù)字聲音

• 2聲音時域與頻域轉(zhuǎn)換

• 3聲音的Mel譜特征抽取

• 4學(xué)習(xí)率與梯度下降

• 5回歸算法與分類算法

• 6機(jī)器學(xué)習(xí)與深度學(xué)習(xí)的區(qū)別

• 7簡單的神經(jīng)網(wǎng)絡(luò)介紹與功能

• 8卷積神經(jīng)網(wǎng)絡(luò)的介紹與功能

• 1基礎(chǔ)語音3D應(yīng)用場景的介紹與應(yīng)用

• 2基礎(chǔ)語音3D應(yīng)用場景與2D邏輯實現(xiàn)聲音時域與頻域轉(zhuǎn)換與代碼解讀

• 3基礎(chǔ)語音3D應(yīng)用場景與2D邏輯實現(xiàn)Mel譜特征抽取與代碼解讀

• 43D場景與2D邏輯實現(xiàn)數(shù)字定位流程與實戰(zhàn)

• 5基于2D邏輯學(xué)習(xí)經(jīng)典神經(jīng)網(wǎng)絡(luò)LeNet-5的網(wǎng)絡(luò)結(jié)構(gòu)與超參數(shù)

• 6基于MNIST訓(xùn)練一個經(jīng)典神經(jīng)網(wǎng)絡(luò)LeNet-5的模型與代碼解讀

• 73D場景與2D邏輯實現(xiàn)數(shù)字識別流程與實戰(zhàn)

了解經(jīng)典神經(jīng)網(wǎng)絡(luò)的發(fā)展與其相關(guān)概念。 基于華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)，學(xué)習(xí)不同的算法原理與網(wǎng)絡(luò)結(jié)構(gòu)，并了解與檢測算法的應(yīng)用場景與異同。

• 1計算機(jī)視覺-圖像識別

  1.1 圖像識別面臨的挑戰(zhàn)
  1.2 早期圖像識別方式
  1.3 中期圖像識別方式
  1.4 人工智能時代圖像識別方式

• 2人工智能圖像識別-方法和步驟

  2.1 模型選擇和建立
  2.2 損失函數(shù)選擇
  2.3 開始訓(xùn)練

• 3不同神經(jīng)網(wǎng)絡(luò)的優(yōu)劣與網(wǎng)絡(luò)結(jié)構(gòu)介紹

  3.1 LeNet-5
  3.2 AlexNet
  3.3 VggNet
  3.4 GoogLeNet
  3.5 ResNet
  3.6 MobileNetV1
  3.7 MobileNetV2
  3.8 MobileNetV3

• 1基于人工智能虛擬仿真軟件實現(xiàn)AlexNe

• 2基于人工智能虛擬仿真軟件實現(xiàn)VggNet

• 3基于人工智能虛擬仿真軟件實現(xiàn)GoogLeNet

• 4基于人工智能虛擬仿真軟件實現(xiàn)ResNet

• 5基于人工智能虛擬仿真軟件實現(xiàn)MobileNetV1

• 6基于人工智能虛擬仿真軟件實現(xiàn)MobileNetV2

• 7基于人工智能虛擬仿真軟件實現(xiàn)MobileNetV3

通過場景與算法結(jié)合，使用華清遠(yuǎn)見人工智能虛擬仿真系統(tǒng)實現(xiàn)和代碼從數(shù)據(jù)采集->數(shù)據(jù)增強(qiáng)->數(shù)據(jù)劃分->模型訓(xùn)練->模型部署的完整過程。

• 1通過人工智能虛擬仿真軟件的3D場景-智能分揀系統(tǒng)，實現(xiàn)數(shù)據(jù)的采集

• 2通過人工智能虛擬仿真軟件的2D邏輯，實現(xiàn)采集好數(shù)據(jù)的數(shù)據(jù)增強(qiáng)

• 3使用Python實現(xiàn)數(shù)據(jù)劃分

• 4基于Python代碼實現(xiàn)圖像分類模型訓(xùn)練

• 1通過訓(xùn)練好的模型，F(xiàn)lask后端庫實現(xiàn)一個后端代碼用于實現(xiàn)端對端的請求

• 2通過scratch實現(xiàn)人工智能虛擬仿真軟件的3D場景-智能分揀系統(tǒng)的各硬件模塊的控制，學(xué)習(xí)控制邏輯與控制協(xié)議

• 3通過scratch自動生成Python代碼，實現(xiàn)Python對人工智能虛擬仿真軟件的3D場景-智能分揀系統(tǒng)的各硬件模塊的控制

• 4解析Python代碼的整體控制邏輯，并結(jié)合后端實現(xiàn)智能分揀系統(tǒng)的整體功能