人工智能相关课程介绍

人工智能课程内容介绍课程简介1、计算机操作技能Windows、ExcelPPTDos，把握Dos似驾校考核模式，在假设干考核时间点可以任意申请考核，直到通过为止。2、计算机系统导论主要内容：对现代电子计算机工作原理、设计过程有一个体系化生疏，包与作用主要内容模型等介绍3I〔C〕主要针对C语言，将抽象的计算思维实例化，培育学生的编程感觉。其中C言包含内容：编程标准，数据类型与变量常量的定义，各类运算符的操作，输入与输出语句，函数思维建立，掌握语句，循环语句，中断语句，函数的声明、实现与调用，无参函数，有参函数，函数的返回值，一维数组，一维指针，构造体的定义，文件读写根本操作等。4II〔Java〕设计，VS2022开发环境搭建，变量、常量的定义与赋值，运算符操作，掌握的声明与实现，对象实例化，newdelete函数的概念与实现，抽象类的概念与实现。5、数据构造与算法〔Java〕〔线性表、栈、队〔〕的实现，培育学生上机操编码实现和调试的训练，到达理论与实践应用相结合，学以致用。6R推测、聚类分析。7、效劳端技术原理与应用(Java)8、软件工程型、原型模型、需求分析、UML建模〔用例图、活动图、泳道图、类图、软件技术评估。9、大数据技术原理与应用HDFSHDFSshellMapReduceShuffle区以及合并；介绍了NoSQL数据库的原理、及其类型，其中重点介绍了HBaseHiveSparkSpark10、数据预处理技术与应用ETL系统架构、安装部署、任务调度监控以及性能调优；介绍了数据收集框架Flume的原理、环境搭建、共性化组建设计以及配置性能优化；介绍了基于Flume、Kettle11、数据挖掘与应用相关概念；了解数据挖掘几种方法和储存类型、不同数据存储的数据挖掘原理、学问觉察IM的任务与目标、聚类分析争论的概念和目标；介绍了学问挖掘的根本RapidMinerWWeb12、大数据可视化技术与应用内容通过本课程的学习使学生把握数据可视化的一般原理和处理方法，能够娴熟使用数据可视化工具对数据进展可视化处理。针对实际应用中遇到的不同类型的数据介绍相应的可视化 方法，娴熟把握常用的可视化工具，如。13、Spark主要内容：介绍了SparkSparkSparkStandaloneMesos、YARNMesosYarn程实践实现对多种数据源〔Kdfka、Flume、Twitter、ZeroTCP套接字〕Map、ReduceJoin查询、基于实时数据流的数据处理使用场景；介绍了SparkSpark、和KafkaSparkStreaming构建实时数据处理系统以及FlumeSparkStreaming实时日志分析。14、大数据实时处理技术StormStormAPIKafkaKafkaAPI测试开发；介绍了StormStormTridentStorm集成KafkaHighChartsStorm+Kafka+HBase15、Spark主要内容：介绍了Scala数据构造、模式匹配、高阶函数、类和对象、隐式转换、Akka实例实操；介绍SparkSpark集群部署RDDRDDActionTransformation、RDD常用函数、SparkJobshuffle解析、SparkCachecheckpointSparkSQLDataFrameSparkSQLSparkSQLSparkSQLSparkMLlibSparkStreamingKafkaSparkStreamingFlumeRedis集成开发应用。16、虚拟化与云计算技术DockerIPPipeWorkIP、DockerNginx、LNAMP、DockFileDockerDockerKVMKVMHadoopSpark17、大数据仓库技术与应用主要内容：介绍了HiveHive的架构体系组件作用与部署方式；介绍了HiveHiveSqoopJava业务规律，提升对简单数据的分析处理力量。18、大数据安全技术与应用19、数据挖掘与可视化综合实践本课程主要讲授数据挖掘的根本概念、原理、方法、技术，及数据可视化的原理方法与工具使用，具体包括：数据的预处理、分类推测、关联挖掘、聚类分析、Echarts、D3.js、Three.js等内容。通过学习，使学生理解数据挖掘及可视化进展有效的分析与呈现。20、行业大数据领域分析综合实践娴熟使用。21、大数据处理综合实践通过本次课程的学习使学生能够完成Spark运行环境及开发环境搭建；并理解等技术；并全面把握StormStorm思路和架构设计、StormTridentStorm+Kafka+HBaseFlume+Kafka+Redis+Spark22、云计算应用综合实践常见的虚拟化技术；使学生可以娴熟把握dockerKVM、VMware等虚拟化技术的使用及维护、OpenStack云平台的搭建及日常运维、kubernetes+docker平台的搭建及日常运维等相关技术；最终可以完成一个私有云平台的搭建。23、行业大数据系统开发综合实践数据猎取、分析与处理、可视化等实际问题。24、LinuxLinuxCentOSLinuxLAMP、LNMP25、信息系统开发综合实践JavaEE+MySQLJavaEEJavaWeb、SSM、Tomcat、RedisJavaEE开发的技能。26、数学建模析法、遗传算法、模拟退火算法、人工神经网络。创创业实践活动及素养拓展工程一览表。工程名称参与对象活动形式与组织方式时间安排创创业训练工程局部学生2～8高校计算机应用大赛局部学生学生组队、本部组织2-7全国大学生数学建