《AI项目实训》课程教学大纲.docx

《《AI项目实训》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《AI项目实训》课程教学大纲.docx（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、AI项目实训课程教学大纲一、课程概述二、课程简介课程名称AI项目实训|英文名称Al Project Training课程性质工程实践课程代码22124033总学时2周学分2.0开课学期第7学期先修课程Linux编程及应用、操作系统、 数字图像处理、嵌入式系统适用专业计算机科学与技术开课单位计算机与电气工程学院AI项目实训I是一门计算机科学与技术专业的专业必修课。课程内容包括学习神经网络、机 器学习、深度学习、人工智能、TensorFlow. Pandas. Karas基本知识，掌握数据采集、分类、聚类、 回归、预测、数据可视化应用，会模型评估、选择、验证。能综合运用人工智能知识与技能，能开发

2、诸如图片分类、人脸识别、预测、回归方面的客户项目。通过AI项目实训课程的学习，可以使学生获得常用AI算法的基本原理识，培养学生具备 基于人工智能方法解决复杂综合问题的能力。三、学习目标（2.1, 4.3, 11.1, 12.2）学习目标1. 了解常见AI平台的软硬件框架组成、算力及特性，能测试和评估AI 平台，做出高性价比的产品选型（AI平台通常基于Linux,也可选其它平台）；支持毕业目标2学习目标2.通过掌握人工智能常用算法的基本原理和核心实现，针对实训目标， 选择合适的技术路线，设计并搭建实训方案；具备基于人工智能方法，建立模型、数 据采集与标注、训练、测试、部署等解决复杂综合问题的能力

3、；支持毕业目标4学习目标3.能个人独立工作与团队协作沟通，在项目中担任相应职责（项目管理、 需求分析、软件设计、界面设计、软件测试等），完成一个具有一定规模的功能模块；通过本实训I,获得跟踪计算机学科发展技术前沿，运用新技术、新方法提高自身的 持续发展能力、自主学习的能力，包括对技术问题的理解能力，归纳总结的能力和提出 问题的能力等。支持毕业目标11、2四、学习目标对毕业要求指标点的支撑表4-1学习目标对毕业要求指标点的支撑毕业要求指标点学习目标1232.1能运用相关科学原理，识别和判断复杂工程问题的关键环节 和技术要素；H4.3能够根据实验方案构建实验系统，针对系统的功能、性能和 稳定性等研

4、究的需求，安全开展实验，对实验数据进行合理正 确的收集和提取；H11.2掌握计算机工程项目管理和经济决策的方法，具有工程意识；H12.2跟踪计算机学科发展技术前沿，能运用新技术、新方法提高自身的持 续发展能力，具备自主学习能力，包括对技术问题的理解能力，归纳总结 的能力和提出问题的能力等；H五、教学内容和时间分配1 .学习人工智能基础知识、平台、框架、算法、模型2 .调研选题。学生通过调研，按工程实际问题自主选题，提出使用功能要求，明确设计要 求。3 .拟定AI项目实现方案。根据项目要求设计出AI模型。4 .数据、素材准备，编程实现训练、标注、验证、部署。5 .说明书撰写。结构合理，逻辑性强，

5、叙述简明，文字通顺，书写端正。6 .答辩。逻辑清晰，分析论证合理，答辩时能正确回答问题。教学内容对学习目标的支撑及建议学时：表5-1理论教学内容与进度要求课程教学内容学习目标教学内容建议学时12315天VV20.5天31天V45天VV53天60.5天合计15天六、设计内容及要求7 .设计题目（题目不能少于两个）1）生还预测2）共享单车之租赁需求预估3）人脸识别4）森林树木类型识别5）数据分析6）猫狗分类7）画风格-一让机器像艺术家一样作画8）建筑工地安全帽识别（来于横向项目）9）着工装与异常行为识别【抽烟、吃零售、玩手机、打瞌睡】（来于横向项目）8 .设计内容1）生还预测泰坦尼克号的沉船事件是

6、是历史上最臭名昭著的沉船事件之一。1912年4月15日，泰坦尼克 在航线中与冰山相撞，2224名乘客中有1502名乘客丧生。泰坦尼克号数据集的目标是给出一个模 型来预测某位泰坦尼克号的乘客在沉船事件中是生还是死。而且该数据集是一个非常好的数据集， 能够让您快速的开始数据科学之旅。通过本实训，将学会如何进行数据探索来挖掘潜在信息，如何 进行特征工程，以及如何使用机器学习模型来进行预测。数据来源:Titanic: Machine Learning from Disaster 02）共享单车之租赁需求预估共享单车是共享经济中的一种形式，某机构提供了我国某共享单车公司的部分数据，这些数据 对于研究人员

7、是极具吸引力的。因为明确记录了每天的天气、温度、湿度、风速、季节等信息。本实 训需要你使用这些数据，并构建模型来预测某地区的共享单车的租赁需求。3）人脸识别通过本项目人脸识别实训，将学会人脸识别的基础知识，使用最新的技术，理解人脸识别流程， 实现自己的人脸识别系统。本实训主要将介绍如何使用Face Recognition库进行人脸识别，包括使 用Face Recognition检测人脸、获取人脸特征点、编码人脸特征向量、识别人脸、绘制人脸识别结果 等。4）森林树木类型识别数据来自于全球著名的数据科学竞赛平台Kaggleo该数据包含来自科罗拉多州罗斯福国家森林 的四个区域的树木观测数据。所有观测

8、结果都是来自宽30米高30米的森林区域制图数据，数据量 超过50万条。我们需要根据树木观测数据构建出合理的模型来实现树木的类型识别。本实训将从问题出发，一步一步地带您领略机器学习的魅力。通关本实训将学会如何对数据进 行探索、如何对数据进行可视化、如何分析数据、如何选择特征、如何构建机器学习模型来解决实 际问题，并且识别准确率能高达90虬5）教育数据分析现有一份来自kaggle的美国教育相关的数据集，数据中一共有1497个样本，25个属性。我们 先将这份数据的缺失值进行补充，并进行标准化，然后将这份数据中的学生数学成绩作为标签，利 用其它的24个属性构建机器学习方法，来对学生成绩进行预测，通过本

9、实训，您将学习并掌握如何 对一份数据进行处理，然后应用机器学习算法进行分析，并且成绩预测的准确度将高达95吼6）猫狗分类本次实训将会通过使用Kaggle平台中非常经典的比赛Dogs vs. Cats中的部分数据作为数据集, 带您掌握卷积神经网络的相关知识与Keras常用的API。让学生快速掌握图像分类任务从无到有的整个过程。7）画风迁移-让机器像艺术家一样作画神经风格迁移由Leon Gatys等人于2015年夏天提出，它是指将一些艺术画（如梵高的星空） 的艺术风格迁移至目标图片（如自己拍摄的照片），使你拍摄的照片拥有艺术家作品一样的风格。具 体如下图：stylecontentgenerated

10、本实训的目的是通过keras框架，利用VGG19模型，提取艺术图片风格，迁移至目标图片， 自己动手实现神经风格迁移。8）建筑工地安全帽识别来源：国网电力横向项目电力局很多临时性工地建设，周期1-6个月不等，一个市级电力局，平均每年有20个左右的小 工地建设。项目要求，对项目管理人员、建设工人、陌生人进入工地电子栅栏时进行识别，注册过 的人员予以考勤登记并识别是否戴了安全帽，没戴安全帽则报警留存记录，如果是陌生人也报警并 抓拍留存证据。具体完成以下设计与实现工作a.查询资料，自学模式识别相关知识b.设计人脸识别算法，或训练模型，基于选定的数据集，进行测试、验证分析实验结果c.设计安全帽识别算法，

11、或训练模型，基于选定的数据集，进行测试、验证分析实验结果d.设计管理软件，管理识别结果，并用MQTT发送报警结果9）营业厅行为识别来源：国网电力横向项目设计一款部署在桌面或嵌入式终端的AI软件平台。该平台能实现人体行为检测，实时数据采集 分析（AI分析）后台报警，及时提醒坐席当事人改正，后台专职监测人员及时处置，提升服务质量。具体完成以下设计与实现工作a.查询资料，自学模式识别相关知识b.不着工装，识别、抓拍留存c.吃零食，识别、抓拍留存d.玩手机，识别、抓拍留存e.打瞌睡，识别、抓拍留存f.设计管理软件，管理识别结果，并用MQTT发送报警结果3 .设计要求1)系统平稳运行，满足需求规格书中的

12、所有功能要求2)所有响应均需要1s内3)系统方便扩展、升级、维护4)程序占用cpu少，内存开销少，并发数100。七、考核方式及成绩评定(1)考核方法本课程考核采用平时成绩+实验成绩+期末考试的综合考核方式，即：总成绩=讨论*10%+方案设计*30%+说明书及功能实现*40%+答辩*20% 各考核环节及权重如表7-1所示。表7-1考核环节及权重表学习目标支撑毕业要求讨论 (10%)方案设计 (30%)说明书及实 现 (40%)答辩 (20%)成绩比列 (%)学习目标1指标点4.131010528学习目标2指标点4.3310201043学习口标3指标点ILL 12.241010529合计10304

13、020100(2)考核内容及评价标准讨论：占总成绩的10%。评分内容包括到课次数、课堂表现。缺勤一次扣2%,扣完10%为止, 无故缺勤5次以上者取消考核资格。方案设计：占总成绩的30%。评分标准如表7-2所示。表7-2方案设计考核方案及评价标准说明书及功能实现：占总成绩的40%。学习目 标考核内容优秀良好中等及格不及格学习目 标1对AI架构进行 评估与选型能很好地对 AI架构进行 评估与选型能客观地对AI 架构进行评估 与正确地选型能基本地对 AI架构进行 评估与选型能勉强地对 AI架构进行 评估与选型不能正确地对 AI架构进行评 估与选型学习目 标2清楚常用AI算 法原理和适应 范围很好地掌

14、握 常用AI算法 原理和适应 范围正确地掌握常 用AI算法原理 和适应范围基本地掌握 常用AI算法 原埋和适应 范围勉强地掌握 常用AI算法 原理和适应 范围不清楚常用AI 算法原理和适 应范围学习目 标3对适用范围内 的客户需求，能 灵活进行AI项 目应用与开发对适用范围 内的客户需 求，能灵活 进行AI应用 和项目开发对适用范围内 的客户需求， 能进行AI应用 和项目开发对适用范围 内的客户需 求，能基本 进行AI应用 和项目开发对适用范围 内的客户需 求，能勉强 进行AI应用 和项目开发对适用范围内 的客户需求， 不能进行AI 应用和项目开 发表7-3说明书及功能实现考核方案及评价标准考

15、核内 容优秀（90-100 分）良好（8089分）中等（7079分）及格（6069分）不及格（60分以 下）说明书 及功能 实现按时完成说明书 的撰写，报告条 理清楚，文字表 达力强，图表规 范；功能实现设 计质量高，逻辑 结构清晰，可读 性强按时完成说明书 的撰写，报告条理 清楚，文字表达力 较强，图表较规 范；功能实现设计 质量好，逻辑结构 清晰，可读性较强按时完成说明书 的撰写，报告条理 较清楚，文字表达 力尚可，图表较规 范；功能实现设计 质量一般，逻辑结 构较清晰，可读性股在老师的帮助下， 完成说明书的撰 写，报告条理一般， 文字表达力一般， 部分图表不规范； 功能实现设计质量 有待

16、提高。未完成说明 书的撰写；不 能提供功能 实现。答辩：占总成绩的20%,具体评分标准如表7-4所示。表7-4答辩与设计结果评价标准考核内 容优秀（90-100 分）良好（80-89 分）中等（7079分）及格（6069分）不及格（60分以下）答辩与 设计结 果答辩时思路清晰， 论点正确，回答问 题有理论根据，基 本概念清楚，对主 要问题回答正确、 深入，语言流畅， 表达精确；设计结 果高效正确。答辩时思路较清 晰，论点基本正 确，能正确回答 主要问题，基本 概念清楚，语言 较流畅，表达精 确；设计结果正 确合理。答辩时思路一般， 论点基本正确，对 主要问题的回答 基本正确，但分析 不够深入，部分基 本概念不清楚；设 计结果正确。答辩时思路一般， 论点基本正确，主 要问题能答出，或 经启发后才能答 出，回答问题较肤 浅；设计结果基本 正确。未参加答辩 或在答辩中 阐述设计的 论据错误，基 本概念不清 楚；没有有效 的设计结果。八、教材与主要参考资料教 材：自编讲义教学参考书1 头歌平台（教育部推荐）腾讯研究院，中国信息通信研究院互联网法律研究中心，腾讯AILab,腾讯开放平台.人工智 能,中国人民大学出版社,2017.113 （M）lan Goodfellow （伊恩古德费洛）.深度学习，人民邮电出版社,2017.07