人工智能实践课程体系 /

位置:首页 > 人工智能专业 > 解决方案

人工智能专业实践课程体系


课程体系概要



人工智能属于交叉学科,涉及计算机、软件、电子、控制、通信、数学、统计学等多个学科。所以在制定专业培养方案时,需要根据学校特色、专业背景来制定课程体系。如果学校在电子、通信、控制等学科有优势,依托这些专业和师资来建设人工智能专业,那么专业课程就应该结合这些优势学科,按照偏硬件的方向来设计;如果学校在计算机、软件、网络等学科有优势,依托这些专业和师资来建设人工智能专业,那么专业课程就应该基于这些优势,按照偏软件的方向来设计。

如下图所示,我们推荐人工智能按照两种思路来设计专业课程体系。当然,不同学校的情况可能完全不同,可能出现在理学、管理学等其他学科方向的基础上开设人工智能专业,那就需要按照实际情况来设计课程体系。联创教育具有专家团队,可以协助高校制定专业课程体系。


 人工智能专业(软件方向)课程体系
 

 人工智能专业(硬件方向)课程体系



  联创教育AI课程资源



联创教育具有专业的课程开发团队,可以为高校提供人工智能实验实训课程及配套资源。针对专业基础课、专业核心课、实训课,联创教育开发了不同的课程内容。

      ▶  核心技术课程:配合专业基础课程和专业核心课程的实验教学,为理论教学提供实验支撑,让学生通过实验充分理解理论知识,为后期的学习打好基础。
      ▶  综合实训课程:配合课程设计、专业综合实训课程的实验实训教学,为学生提供项目案例背景、实验实训环境、课程资源,在接近真实的环境中学习人工智能技术的实际应用。
      ▶  实战课程:考虑到不同专业教学的需求不同,我们还开发了综合实战课程。实战课程比综合实训课程更加接近真实行业应用,每门课程都是从项目背景分析出发,包括设计解决方案,搭建系统,设计算法和最终实现等环节。每门课都是一个完整的商业案例。
 
核心专业课程包括:
       1.    基础知识:Linux基础、Linux运维技术、MySQL基础。
       2.    编程语言:Java程序设计、Python程序设计、Struts基础、Spring基础、Hibernate基础。
       3.    机器学习:机器学习基础、机器学习实战、基于Python的数据分析与挖掘。
       4.    深度学习:深度学习基础、深度学习实战
       5.    数据挖掘:非关系型数据库技术、Hadoop核心技术与应用、Mahout数据处理与算法分析、Spark大数据处理与优化、Storm实时流数据处理技术、KVM虚拟化技术、数据可视化技术。
       6.    主流框架:OpenStack部署与应用实践、TensorFlow基础与应用、Caffe基础与应用。
       7、  应用方向: OpenCV计算机视觉技术与应用、图像处理技术与深度学习应用、语音识别技术与深度学习应用、词向量的深度学习及应用、智能机器人技术与应用、无人驾驶技术与实践等。