AI+智慧学习系统需求说明

AI+智慧学习系统需求说明（一）软件技术要求序号产品名称功能描述与主要技术指标数量1智能语音对话体验与教学系统由智能互动软件和学生手持语音答题器两个部分构成，可以方便地在常态化的教室部署，把常规教室升级为“智慧教室”、打造“活力课堂”，开展“精准教学”。1.需支持通过输入的语音进行识别，支持整段音频进行识别以及流式语音识别。2.需支持将音频流数据实时转换成文字流数据结果，语音输入最大速度≥400字/分，识别结果响应时间≤200ms。3.需支持语音听写使用超大规模的语言模型，对识别结果语句智能预测其对话语境，提供智能断句和标点符号的预测。4.需支持针对上下文进行语义理解，将中间结果进行智能纠错，确保准确性。5.需支持基于输入文本，提供多种语音风格合成语音。6.需支持合成语音文件下载。1套2图像风格迁移体验与教学系统1.系统需支持捕获一个图像的内容并将其与另一个图像的风格相结合，使得生成的图像具有内容图像的内容和风格图像的风格，创造出一种新的绘画图像。2.图像风格迁移展示平台需利用卷积神经网络来对图像进行风格转换，将一张普通的图像转换成各种艺术风格的图像。3.图像风格迁移展示平台内容融合需支持多种风格，具备模板选择、拍照上传功能。4.图像风格迁移展示平台需支持：4.1基于离线模型优化的快速图像重建方法。4.2基于统计分布的参数化纹理建模方法。4.3基于笔触渲染的方法、基于图像类比的方法、基于图像滤波的方法实现图像风格迁移。1套3人脸融合体验与教学系统1.系统需支持快速精准地定位人脸关键点，将用户上传的照片与特定形象进行面部层面融合，使生成的图片同时具备用户与特定形象的外貌特征。2.需支持图片人脸与图片人脸融合，可选取模板中静态人脸图片，再选取模板中静态人脸图片，进行两张静态人脸图片融合。3.需支持图片人脸与真实人脸融合，选取模板中静态人脸图片，再选择动态真实人脸，进行静态图片人脸与动态真实人脸融合。4.需支持真实人脸与真实人脸融合，选取动态真实人脸，再选择动态真实人脸，进行动态真实人脸与动态真实人脸融合。5.需支持贴纸、动漫表情、美颜、人脸美妆、人脸融合、哈哈镜、人脸彩绘、换脸、背景分割等功能。6.需提供美妆素材，基于更精准的人脸关键点，绘制出精准的美妆效果，使人脸移动时，妆容跟随得紧密贴合。7.系统技术实现需至少包括：1）基于OpenCV的级联分类器实现目标检测。2）使用模型构建特征提取器进行人脸关键点定位。3)基于普氏分析的人脸特征点处理。4)基于点云匹配PCL—Umeyama算法人脸特征点处理。5)基于仿射变换的多姿态人脸矫正和识别。6)基于矩阵变换的区域提取。7)基于颜色直方图的色差矫正。8)边缘融合之图像填充。9)边缘融合之边缘模糊处理。10)人脸Encoder/Decoder训练。1套4人工智能教学实验资源1.支持的案例实验数量≥27个。2.实验需包含实验手册、实验代码、实验数据等。实验手册内容有：问题、方案、环境、资源、实验步骤、实验代码、实验结论等。3.实验至少需包含：3.1图像基本操作类：滑动条控制图像阈值。3.2图像检测类：图像边缘检测实验，表面划痕检测实验，行人检测实验，车牌目标提取实验，人脸检测实验等。3.3图像变换类：图像黑白变换实验，图像灰度变换实验，图像取反变换实验，图像锐化变换实验、图像分割实验等。3.4图像修复类：图像污点修复实验。3.5图像识别类：红绿灯识别实验、字符识别实验、猫狗分类实验、车牌识别实验、人脸识别实验、目标检测实验、手势识别实验等。3.6图像跟踪类：目标跟踪实验、多目标检测与跟踪。3.7单目类：单目标定实验、单目校正实验。3.8双目类：双目标定实验、双目校正实验、双目测距实验。3.9三维图像类：三维人脸识别实验。1套5综合授课系统一、基本功能：1.综合授课平台，需支撑80人同时在线，进行人工智能/在线课程的学习。2.系统角色管理功能需支持学生、教师和学校教学管理人员三类角色基于本系统的访问。3.系统部署模式需支持采用多级分布式部署模式，能适应瞬间大并发视频访问需求。4.系统需采用J2EE技术路线，采用完全的B/S架构实现模式。遵循J2EE标准，具有很好的可移植性、可扩展性，能够跨平台使用。数据库需采用MySql数据库。5.系统需支持采用Docker方式进行业务应用部署。6.需支持完整的课程体系及丰富的授课资源形式，并且支持自定义教学任务，学校可根据需要定制自己的教学计划和教学任务。7.需支持交互式课件功能，支持ppt、pdf、html、jpg等多种资源/课件形式。8.需支持接入瞩目、保利威等第三方主流直播平台。9.需支持题库考试功能，客观题系统自动判卷，主观题教师手工判卷。10.需支持完整的学习数据记录与统计功能，记录教师教学进度及学生学习进度。11.需支持教师手动记录和查看学生考勤信息。12.需支持统计功能，便于学校优化教学提供数据支撑。二、管理后台：1.需支持系统权限管理功能1.1支持用户信息的查看和修改操作。1.2可查看当前系统的角色权限并进行调整。1.3支持创建、修改角色信息和权限。1.4可对角色配置不同的用户组。2.需支持课程体系管理2.1课程方向的创建、修改和删除。2.2课程包/专业的创建、修改和删除。2.3课程的创建、修改和删除。2.4支持课程封面图片自定义。2.5支持配置课程教学资源。3.需支持教学任务管理3.1教学任务的创建、修改和删除。3.2支持自定义教学任务。3.3支持学校对教学任务/资源排序进行自定义。4.需支持班级管理4.1班级的创建、修改和删除。4.2班级配置课程及授课教师/学生。4.3可以根据班级名称、专业、状态对班级进行检索。5.需支持教学班管理5.1支持查看班级教学进度。5.2查看教师授课进度及学生学习进度。5.3查看教师授课记录及学生学习记录。5.4支持查看学生视频课程学习时长。6.需支持学生管理功能6.1学生的创建、修改和删除。6.2支持批量导入学员信息。6.3可为学员配置班级。6.4可以根据学生姓名、手机号、账号对学生信息进行检索。6.5可以删除学生/班级关联关系。6.6支持后台重置密码功能。7.需支持教师管理功能7.1教师的创建、修改和删除。7.2支持批量导入教师信息功能。7.3可以根据姓名、手机号、账号对教师信息进行检索。7.4支持后台重置密码功能。8.需支持题库考试管理8.1试题的创建、编辑、删除功能。8.2支持单选题、多选题、判断题、简答题等题型。8.3支持题库模板批量导入。8.4支持手工组卷功能。8.5可对试卷新增、编辑、删除等操作。8.6支持手动设置试卷、试题分数。9.需支持dashboard数据统计9.1支持按天统计用户登录情况。9.2可汇总统计系统视频、讲义、试卷等数字资源总量。9.3可统计在线资源占比。三、教师端：1.需支持教学中心1.1显示教师当前有效教学班信息。1.2通过百分比显示教学班教学进度。1.3显示教师最近授课信息，方便教师快速定位教学进度。2.需支持课程中心2.1显示教师历史所有教学班信息。2.2可根据课程方向及专业进行检索。2.3可查看教学大纲。3.需支持教学大纲/详情3.1通过树状结构显示课程章节结构。3.2课程详情展示教学资源列表，方便教师使用。3.3支持教师发布教学任务功能。3.4支持教师记录和查看学生考勤。4.需支持考试中心4.1教师可为班级学生发布考试，支持发布到班级考试。4.2支持教师批阅试卷功能，客观题系统自动判卷，主观题教师判卷。4.3显示考试成绩相关统计，包括最高分、最低分、考试人数等。四、学生端：1.需支持学习中心1.1显示学生所学课程信息。1.2显示学生待完成实验任务信息。1.3显示学生最近学习课程信息，方便学生快速定位学习内容。1.4显示学生待作答考试信息。2.需支持课程中心2.1显示学生所有课程信息。2.2可根据课程方向和专业对课程进行检索。3.需支持实验中心：展示学生所有实验信息及状态。4.需支持考试中心：4.1展示学生历史考试信息及状态。4.2学生根据考试时间进行答题，支持设置考试试卷并倒计时。4.3支持缓存考试答题数据。4.4学生可查看考试成绩及试卷详情，并能查看解析。五、平台部署：1.需支持CentOS7.2/Ubuntu1604版本，以WEB形式展现。2.需支持多种部署方式，用户设备合理利旧，实现资源高效利用。3.系统需基于Java开发语言，微服务架构。1套6实验环境系统一、系统功能1.实验环境平台基于人工智能技术，提供完整的开发工具，需支持主流的深度学习框架，如TensorFlow、PyTorch等主流的机器学习、深度学习框架。2.实验环境平台科研场景需满足各种规模（组、实验室、院、校）级别的科研任务对算力基础设施的管理与调度，方便、高效，提升科研能力。3.实验环境平台教学实训功能需满足以学生的人工智能相关课程教学为代表的上机、实验训练的各种个性化需求，提升实训任务的管理效率。4.系统需支持不少于80人同时在线，进行人工智能学习、实验和项目实训学习。5.系统角色管理功能需支持学生、教师和学校教学管理人员三类角色基于本系统的访问。6.系统部署模式需支持采用多级分布式部署模式。7.平台需采用定制优化的容器云平台技术，为计算任务提供支撑，支持多租户共享集群计算资源且实现安全隔离，CPU、内存等根据用户请求按需动态分配，提升资源利用效率。8.平台需支持基于WEB的AI开发环境和任务训练流程，可以在线进行任务、数据、代码的编辑开发；平台会对失效的任务自动重新发起，并且具备任务快照的功能；同时，可实时监控资源消耗情况并查看相关日志。9.系统需采用J2EE技术路线，采用完全的B/S架构实现模式。遵循J2EE标准，具有很好的可移植性、可扩展性，能够跨平台使用。数据库采用MySql数据库。10.需支持丰富实验类型，可进行多种实验课程，内置丰富的实验环境镜像，支持centos、ubuntu、debian等操作系统。11.需支持Python、Java、R、C、C++、cobolphpPerl、Ruby等多种开发环境。12.需支持TensorFlow、PyTorchTheano、Caffe、Keras、Sci-kitLearn、MLPack等主流的机器学习、深度学习框架，支持包括但不限于Pip、Numpy、Anaconda、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV等操作环境。13.实验环境需集成LXTerminal、Firefox、X11VNCServer、Eclipse、mysql、hadoop、flume等应用软件。14.需支持每个学生拥有独立的实验环境和实验数据，报告在线提交，实验数据自动记录，教师可远程连接学生桌面实验环境、查看学生实验结果并进行评分。15.扩展性强，系统集群需支持无感知扩容。二、管理后台：1.需支持系统权限管理功能1.1支持用户信息的查看和修改操作。1.2可查看当前系统的角色权限并进行调整。1.3支持创建、修改角色信息和权限。1.4可对角色配置不同的用户组。2.需支持实验环境管理2.1系统支持命令行/虚拟桌面/Python在线编辑。2.2支持启用禁用实验环境。3.需支持实验模板管理3.1支持自定义实验模板。3.2支持根据实验模板、难易进行检索。3.3支持实验缩略图自定义。4.需支持实验课程管理4.1支持自定义创建实验课程。4.2支持通过实验课程名称、实验模板等条件进行查询。4.3支持实验课程开启/关闭功能。4.4支持通过富文本编辑器自定义实验指导手册。4.5支持自定义实验附件上传。5.需支持实验成绩统计5.1显示实验成绩统计信息。5.2可根据实验状态对实验课程数据进行统计，包括最高分、最低分、平均分等。6.需支持实验记录统计6.1显示实验课程日志信息。6.2可通过实验课程名称、开始时间、结束时间进行检索。7.需支持班级实验记录7.1可按照班级显示实验记录。7.2显示班级、课程、实验、开始时间、结束时间、授课教师。8.需支持任务调度管理功能8.1对任务的基础信息及任务类型等管理。8.2对已调度任务的基本信息，进度，状态等进行监控。8.3可监控及任务所占用资源情况等。8.4支持手动暂停、中断任务。8.5支持异常任务进行告警，系统自动杀死进程或重新初始化任务。8.6可监控CPU使用率。8.7支持服务器状态实时监控。8.8支持按照服务器查看服务运行状况及资源消耗情况。8.9支持查看单个运行服务资源消耗情况及查看相应日志。三、教师端：1.教学中心1.1显示教师所在教学班信息。1.2显示教师最近授课信息，方便教师快速定位。2.课程中心2.1显示教师所有教学班信息。2.2可根据课程方向及专业进行检索。3.教学大纲/详情3.1通过树状结构显示课程章节结构。3.2课程详情展示教学资源列表。4.实验4.1支持教师发布实验任务。4.2教师可进行远程连接学生实验环境进行指导。4.3支持教师重启学生实验环境。4.4支持教师在线查看学生实验结果，并进行评分。四、学生端1.学习中心1.1显示学生所学课程信息。1.2显示学生待完成实验任务信息。1.3显示学生最近学习课程信息。1.4方便学生快速定位学习内容。2.课程中心2.1显示学生所有课程信息。2.2可根据课程方向和专业对课程进行检索。3.实验中心3.1展示学生所有实验信息及状态。3.2支持学生在线编辑/提交实验报告。3.3支持学生通过实验指导书、课程视频进行实验操作。3.4提供平台上课程的实验所需的人工智能实验操作环境，包括但不限于R、Tensonflow、Pip、Numpy、Anaconda、Git、Vim、Pandas、Matplotlib、Seaborn、Scikit-learn、OpenCV、Python。五、平台部署1.需支持Ubuntu1604版本，以WEB形式展现。2.需支持多种部署方式，用户设备合理利旧，实现资源高效利用。3.系统需采用Java开发语言，微服务架构。1套7人工智能导论1.课程名称：人工智能导论。2.课程章节需包含：人工智能简介、人工智能哲学与道德规范、机器学习概述、机器学习算法应用案例、计算机视觉基本原理介绍、计算机视觉技术实现及应用场景介绍、语音识别基本原理介绍、语音识别技术实现及应用场景介绍、自然语言处理技术介绍、自然语言处理技术实现及应用场景介绍、知识图谱基本原理、知识图谱技术实现和应用场景、智能交通、智慧金融、智能制造、智慧医疗、智慧物流、智能终端、Python介绍、手把手带你搭建Python开发环境、我的第一个Python程序、认识Python中的数据类型、与计算机进行对话、玩转Python中的运算、字符串高级操作、包罗万象的列表、有点简约的元组、一本字典、if分支结构之如何选择、if分支结构之多个选择、循环结构之for循环、循环结构之while循环、Python中的函数、自己创造函数、Python中的模块、Python面向对象编程、人脸识别原理、人脸识别代码实现、文本数据处理(词云生成)、朴素贝叶斯分类算法、朴素贝叶斯案例分析、朴素贝叶斯中文文本分类、朴素贝叶斯中文分类实战、Pytorch的安装和使用、Pytorch中的数据加载、基于BERT的文本相似度计算。3.课时安排：≥36课时。4.课程大纲：≥1个。5.课程视频：≥36个，视频时长：单个视频20′—40′。6.课程讲义数量：≥36个，单课时页数：≥10页。7.备课笔记：≥36个辅助教师进行授课的说明性文档。8.案例手册：≥12个。9.习题集：≥100个，需包含难度级别、考察知识点、答案解析。1套8智能软件测试技术1.课程名称：智能软件测试技术2.课程章节需包含：缺陷报告概述、缺陷报告、缺陷报告练习、等价类划分法编写测试用例、边界值法编写测试用例、用例的优化和强化、测试用例小结、因果图法详解、因果图法编写测试用例、判定表法编写测试用例、判定表法编写测试用例、正交排列法概述、正交排列法编写测试用例、正交排列法编写测试用例、测试大纲法概述、测试大纲法编写测试用例、场景法概述、使用场景法编写测试用例、软件测试阶段划分、软件测试分类、测试用例综合策略、测试用例练习、测试总结报告概述、软件测试计划组成、禅道安装启动及简介、禅道介绍-组织模块、禅道介绍-产品模块、禅道介绍-项目模块、禅道介绍-测试模块、OA实战-测试环境搭建、OA实战-产品模块、OA实战-项目模块、OA实战-新增角色、OA实战-修改角色、OA实战-查询角色、角色克隆、OA实战-删除角色、角色权限、OA实战-单位信息设置、OA实战-部门机构设置、OA实战-用户管理、OA实战-新增用户、OA实战-查询功能、OA实战-查询功能和用户导入、OA实战-用户管理、OA实战-批量设置、项目小结、Selenium概述、环境搭建、SeleniumIDE界面、Selenium常用命令、编辑脚本、Value、其他存储器类型命令、断言、断言测试用例、验证、等待与小结3.学时安排：≥64学时。4.课程大纲：≥1个。5.课程视频：≥64个，视频时长：单个视频20′—40′。6.课程讲义数量：≥64个，单课时页数：≥10页。7.备课笔记：≥64个辅助教师进行授课的说明性文档。8.案例手册：≥43个。9.习题集：≥100个，需包含难度级别、考察知识点、答案解析。1套9实验管理课程系统1)基础实验课：大数据开发技术（Hadoop）课程内容资源需包含不少于17个实验手册和17个教学视频，教学视频总时长不少于600分钟。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容需包含【Hadoop安装部署、Hadoop常用命令、HDFS:IOUtils方式读取文件、URL方式读取文件、文件创建与写入、文件内容追加、文件元数据获取、MapReduce编程:单词计数、数据过滤及保存、检索特定群体搜索记录、UID去重、自定义计数器、Map端join、自定义Split大小、Map端本地聚合、自定义分区、检索特定偏好用户】2)基础实验课：分布式数据仓库（Hive）课程内容资源需包含不少于27个实验手册和27个教学视频，教学视频总时长不少于500分钟。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容需包含【Hive数仓：元数据库MySQL安装、安装部署、导入集合类型数据、创建删除数据库表、导入导出表数据、操作分区表、使用桶表、修改表分区列、使用distributeby查询数据、使用clusterby查询数据、使用UNIONALL合并表数据、使用JOIN联接查询、创建数据视图、创建数据索引、自定义函数UDF、自定义函数UDTF、自定义函数UDAF、分析车辆销售数据、分析搜狗搜索日志、ETL工具：Sqoop安装部署、导入MySQL数据至HDFS、导出Hive数据至MySQL、调度引擎：编译安装Azkaban、简易操作Azkaban、Azkaban脚本调度、Azkaban调度搜狗日志分析任务、Azkaban调度微博数据分析任务】3)数据库技术（NoSQL）课程资源包含不少于81个教学视频和23个实验手册等教学内容，视频总时长1000分钟以上。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Zookeeper分布式协调框架：Zookeeper安装部署、Zookeeper编程、Kafka消息订阅系统：Kakfa安装部署、Kakfa编程、HBase数据库：HBase安装部署、WEBUI界面、HBase表设计、HBase客户端配置、HBase表操作、HBase比较过滤器、HBase列族过滤器、HBase行键过滤器、HBase单列排除过滤器、HBase分页过滤器、读取HBase表数据、存储数据至HBase表、HBase计数器、HBase协处理器、Storm实时流计算框架：ETL导入数据、Storm安装部署、Storm词频统计、Storm文本追加、Storm数据入库。】4)

消息发布订阅系统（Kafka）课程资源包含不少于11个实验手册等教学内容。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Kafka消息订阅系统：Kafka安装部署、基本命令、KafkaTopic、Kakfa生产者和消费者、Kafka编程、集成Flume、结构化数据的发送与接收、非结构化数据的发送与接收、Spark消费Kafka、编程实现Kafka集成Flume、KafkaOffsetMonitor安装与使用。】5)Scala编程课程资源包含不少于36个教学视频和12个实验手册等教学内容，视频总时长400分钟以上。课程提供实验内容包含【Scala安装部署、Scala控制结构与函数、Scala数组、Scala元组与映射、Scala类与对象、Scala包的导入、Scala类的继承、Scala文件操作与类层级结构、Scala特质、Scala1匿名类与高阶函数、Scala样例类与模式匹配、Scala隐式转换与隐式参数。】6)大数据处理技术（Spark）-基础课程资源包含不少于39个教学视频和13个实验手册等教学内容，视频总时长400分钟以上。每个实验手册有对应的操作讲解视频。所有实验需提供集群实验为一主两从真分布式环境。课程提供实验内容包含【Spark安装部署：Standalone模式、OnYarn模式、Spark编程工具：使用IDEA、SparkCore：Scala单词计数、Java单词计数、SparkSQL：命令方式、普通样例类编程、领域API编程、SparkStreaming：实时计算网络数据、实时计算HDFS数据、实时计算Flume数据、实时计算Kafka数据、存储实时计算结果至HBase】。7)大数据处理技术（Spark）-中级课程资源包含不少于13个实验手册等教学内容。课程提供实验内容包含【RDD编程、Scala编程、词频统计、Apache日志分析、SparkSQL编程、实时词频统计、SparkMLlib编程、SparkGraphX编程、SparkIndexedRDD编程、SparkR安装部署与编程、Alluxio安装部署与使用、SparkKeystoneML编程、SparkBlinkDB编程】。8)大数据处理技术（Spark）-高级课程资源包含不少于5个实验手册等教学内容。课程提供实验内容包含【分析日志流、分析Uber数据、分析犯罪数据、分析电商产品关注度、分析流量日志。】9)基础实验课：Python编程课程资源包含不少于12个教学视频和12个实验手册等教学内容，视频总时长200分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Python入门、变量与数据类型、运算符与表达式、数据结构、使用字符串、控制结构、循环结构、类与对象、使用函数、异常处理、操作文件、使用模块】10)数据分析与挖掘课程资源包含不少于7个教学视频和7个实验手册等教学内容，视频总时长400分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Numpy介绍与使用、Pandas介绍与使用、数据绘图可视化、数据预处理、数据分类与预测、数据聚类分析、时序数据分析处理。】11)大数据可视化技术课程资源包含不少于14个教学视频和14个实验手册等教学内容，视频总时长600分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【Superset安装部署、Superset数据可视化、Zeppelin安装部署与数据可视化、Anaconda可视化、Matplotlib可视化、k-NearestNeighbor可视化、LinearRegression可视化、SupportVectorMachine可视化、DecisionTree可视化、RandomForest可视化、模型优化、Pandas可视化、数据降维可视化、ClusterAnalysis可视化。】12)基础实验课：Docker平台应用课程资源包含不少于23个教学视频和23个实验手册等教学内容，视频总时长400分钟以上。课程提供实验内容包含【安装docker服务、使用Dockerfile构建镜像、调试Dockerfile以及镜像命名、使用dockercommit构建新镜像、使用公共Registry、搭建本地Registry、搭建企业级docker仓库、运行容器和进入容器、docker容器的常用操作、限制docker容器的内存、限制docker容器使用CPU、限制docker容器的BlockIO、docker的原生网络、自定义docker容器网络、容器之间和容器与外部的通信、docker存储bindmount、使用dockermanagedvolume、容器之间共享数据、docker常用监控命令、使用weave网路、使用WeaveScope容器地图、使用rancher搭建k8s集群、部署Graylog日志系统】13)基础实验课：Linux基础课程资源包含9个实验手册等教学内容。课程提供实验内容包含【Linux命令基础练习、Linux用户和权限管理、Linux软件包安装、启动流程和服务管理、进程管理和计划任务、Linux系统监控和日志管理、Apache服务、使用ssh远程管理Linux、mysql数据库管理】14)基础实验课：java程序设计课程资源包含不少于10个实验手册等教学内容。课程提供实验内容包含【Java编程：JDK安装与配置、Java编程：人机猜拳游戏、Java编程：设计编写宠物乐园程序、Java编程：设计投票程序、Java编程：模拟银行取款业务、Java编程：实现用户的增删改查、Java编程：设计图形化计算器、Java编程：读取文件目录、Java编程：模拟售票系统、Java编程：简易聊天室】15）基础实验课：数据统计建模与挖掘课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【数据统计与建模：统计推断基础、数据统计与建模：统计分布、数据统计与建模：假设检验、数据统计与建模：多变量线性回归、数据统计与建模：广义线性模型、数据挖掘：数据关联分析】16）基础实验课：数据库应用课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【数据准备操作、操作实验(一)、操作实验(二)、Python编程操作RDB、Redis基本操作和实践、python访问Redis实现基本增删改查、RDB与RDB+Redis架构SQL查询对比、RDB编程操作数据库业务移植到RDB+Redis、学习并实践Phoenix+HBase安装部署、HBase原生查询实践、程序读取数据插入HBase实践、Phoenix+HBase查询实践、学习并实践GeoMesa+HBase部署、对比了解阿里云GeoGanos和GeoMesa、GeoMesa时空数据操作、基于Java的编程操作GeoMesa、使用时空索引和未使用索引的性能差异】17）基础实验课：Mysql数据库课程资源包含不少于10个实验手册等教学内容。课程提供实验内容包含【MySql安装部署、数据库创建与管理、数据表创建与管理、数据更新和数据查询、SQL编程基础、视图和索引、存储过程、触发器、MySql用户管理与权限操作、MySql用户管理与权限操作】18）基础实验课：数据分析技术（SPSS）课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【SPSS安装、SPSS窗口介绍、SPSS数据文件的建立、SPSS-单因素方差分析、SPSS-多因素方差分析、SPSS-线性回归分析、SPSS-非线性回归分析、SPSS-Logistic回归分析、SPSS-因子分析、SPSS-主成分分析、SPSS-K-均值聚类分析、SPSS-分层聚类分析、SPSS-判别分析、SPSS-信度分析、SPSS-尺度分析、SPSS-时间序列分析】19）基础实验课：数据挖掘-典型算法课程资源包含不少于13个实验手册等教学内容。课程提供实验内容包含【Anaconda及PyCharm的安装与配置、使用sklearn进行数据预处理基础梳理、利用apriori算法发现毒蘑菇近似特征、使用fpGrowth算法发现购物关联、基于SVM分析UCI银行营销数据集、逻辑回归LogistcalRegression分析鸢尾花数据集、基于贝叶斯算法的鸢尾花数据分类、用LSTM实现股票预测、使用DBSCAN对红酒类型聚类、使用K均值对UCIwine数据集进行分析、基于SK-learnLabelPropagation的半监督算法实现、文本特征词的提取、word2vec及doc2vec的训练及使用】20）基础实验课：机器学习-基础课程资源包含不少于11个教学视频和11个实验手册等教学内容，视频总时长300分钟以上。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【线性回归、逻辑回归、最大期望算法、主题模型、聚类算法、支持向量机、决策树与随机森林、隐马尔科夫模型、Mahout安装部署、Mahout聚类算法、Mahout分类算法】21）基础实验课：机器学习-中级课程资源包含不少于11个教学视频，视频总时长600分钟以上、不少于11个实验手册等教学内容。每个实验手册有对应的操作讲解视频。课程提供实验内容包含【动物图片识别、手写数字识别、SparkMLlib库介绍与使用、鸢尾花分类、棋类游戏、提取文章摘要、监督学习、非监督学习、非监督学习自编码、气象数据分析、足球比赛聚类分析】22）基础实验课：机器学习-高级课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharm与anaconda、基于线性回归预测糖尿病、使用决策树预测隐形眼镜类型、使用决策树对银行贷款进行建模、利用神经网实现MINST手写数字识别、用CNN实现MNIST手写数字识别、使用SVM实现手写数字识别、基于SVM分析Kaggle泰坦尼克数据集、使用朴素贝叶斯分类器从个人广告中获取区域倾向、使用朴素贝叶斯对鸢尾花数据进行分类、在病马死亡数据集上运用AdaBoost、DBSCAN聚类算法实践、使用K均值对鸢尾花数据集进行分析、利用PCA分析鸢尾花数据、基于SVD构建餐馆菜肴推荐系统、用HMM求解最可能的天气】23）基础实验课：深度学习-算法基础课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharmanaconda、数据拟合与广义线性回归、SMO算法求解SVM、构建BP神经网络、从零开始搭建神经网络、使用Tensorflow实现Dropout、梯度下降优化神经网络1、梯度下降优化神经网络2、Tensorflow神经网络优化策略、Mnist手写数据集识别、RNN实现二进制加法、彩票预测1、彩票预测2、PCA主成分分析、基于马尔科夫随机场的图像去噪方法、AutoEncoder自编码器】24）基础实验课：深度学习-主流框架课程资源包含不少于8个实验手册等教学内容。课程提供实验内容包含【DeepLearning初窥：Theano简单应用、DeepLearning初窥：TensorFlow简单应用、DeepLearning初窥：Keras识别手写字体、DeepLearning初窥：Keras与Scikit-Learn混合编程、DeepLearning初窥：KerasCNN图片分类、DeepLearning初窥：KerasLSTM影评分类、DeepLearning初窥：Caffe手写数字识别、DeepLearning初窥：Caffecifar10图片分类】案例课：深度学习-典型实例课程资源包含不少于8个实验手册等教学内容。课程提供实验内容包含【DeepLearning实践：Python实现深度神经网络、DeepLearning实践：CaffeCNN实现图片分类、DeepLearning实践：CNN实现图片风格迁移、DeepLearning实践：自联想存储器的python实现、DeepLearning实践：BP神经网络手写识别、DeepLearning实践：无监督学习的自编码器实现、DeepLearning实践：自编码器进行人脸数据降维、DeepLearning实践：有监督学习人脸识别】25）基础实验课：AI-算法基础课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【安装配置pycharm与anaconda、prolog环境搭建、梵塔问题、农夫过河问题、利用A-star算法寻路、二叉树遍历、搜索两点之间路径、初识prolog、prolog家族关系判断、衣服搭配专家系统、Mycin专家系统、在玩具数据集中比较不同的聚类算法、高斯混合模型、DBSCAN聚类算法、jieba分词库使用、最大匹配算法】26）案例课：数据挖掘-案例课课程资源包含6个实验手册等教学内容。课程提供实验内容包含【20newsgroup分类分析、KMeans聚类乳腺癌数据集分析、LDA主题发现演练分析、服装数据集分析、使用K均值分析天平数据集、使用决策树对三好学生评选进行建模】27）案例课：机器学习-案例课课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【机器学习-收入数据集分析、机器学习-房价预测案例建模、机器学习-人脸识别数据集分析、机器学习-使用DBSCAN进行聚类、机器学习-新闻分类、机器学习-用LSTM实现MNIST手写数字识别】28）基础实验课：深度学习-案例课课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【深度学习-SVM分类Iris数据集、深度学习-句子分类训练1、深度学习-句子分类训练2、深度学习-蒙特卡罗方法计算圆周率、深度学习-深度学习模型实用技巧、深度学习-约会网站配对效果判定】29）基础实验课：数据分析与挖掘案例课程资源包含不少于6个实验手册等教学内容。课程提供实验内容包含【自动问答系统、消费指数预测、流失情况预测、热点话题发现、fashion分类、语音处理】30）课程资源包含不少于9个实验手册等教学内容。课程提供实验内容包含【创建和操作Tensor、梯度下降和自动求梯度、深度学习基础、Pytorch开发技巧、卷积神经网络、循环神经网络、算法优化、计算机视觉、自然语言处理】31）案例课：AI-案例课32）基础实验课：计算机视觉33）基础实验课：NLP自然语言处理课程资源包含不少于16个实验手册等教学内容。课程提供实验内容包含【NLP-相似度模型实验、WordCloud制作词云实验、NLTK工具包使用、中文短文本分类实验、中文短文本聚类实验、word2Vec影评数据分析、SVM分类垃圾短信、简易聊天机器人、基于TensorFlow的DeepQA聊天机器人实验、LSTM情感分析实验、基于LSTM轻松生成各种古诗、CNN与RNN中文文本分类-基于TENSORFLOW实现、利用lstm生成特定作家小说、中英文翻译系统实验、语音识别实验、基于文本的个性化推荐系统】34）课程资源包含不少于15个实验手册等教学内容。课程提供实验内容包含【Kettle的安装与运行、Python环境的安装和运行、Python导入数据并处理缺失值、异常数据、运用Kettle合并多源数据、运用Kettle处理缺失数据和异常数据、用Python生成与读取CSV文件、用Python读取与转换JSON文件、将XML文件转换为JSON文件、使用Kettle抽取本地XML文件、将JSON文件转换为CSV文件、使用Kettle抽取CSV数据并输出为文本、在Kettle中用正则表达式清洗数据、使用Kettle过滤数据表、使用Kettle生成随机数并相加、清洗员工信息、清洗在消费数据】35）、基础实验课：PyTorch基础编程课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【环境部署、Tensor基本用法、张量的科学计算、梯度和优化、线性回归和逻辑回归、数据集加载和处理、可视化实现方法、单层神经网络实现iris数据集分类、深度神经网络实现、卷积神经网络实现】36)基础实验课：PyTorch图像分类与识别课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS实验环境概览、CentOS7.9编程开发环境配置、Anaconda的安装部署、Python开发环境部署、PyTorch等扩展库的安装及使用、基于AlexNet网络的复杂样本多分类图像识别、编程实现VGGNet并以生物图像为例解决二分类问题、基于GoogLeNet网络实现特定物体图像的识别应用、构建ResNet网络进行室内外场景的自动识别、DenseNet编程及档案照片分类识别实践应用】37)基础实验课：PyTorch目标检测课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作、Linux编程开发环境介绍、Anaconda的安装部署、Python集成开发环境的安装及使用、PyTorch等扩展库的安装及张量的生成、图像的矩阵化表示、图像读取与图像像素格式转换、OpenCV对视频文件的操作、目标检测案例解析、基于CenterNet网络进行图像目标检测】38）基础实验课：PyTorch目标分割课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【Linux实验环境概览、Linux编程开发环境、Anaconda的安装部署、Python集成开发环境、图像处理扩展库的安装、数字图像的计算机表示、VGG网络模型编程及数据集图像目标辨识、设计实现ResNet模型进行目标分割图像判别、基于FCN预训练模型进行图像的多目标分割、基于PyTorch构建自己的目标分割网络并进行应用分析】39）基础实验课：PyTorch目标跟踪课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作基础、Linux编程开发环境介绍、Anaconda的安装部署、Python程序开发IDE的安装及使用、PyTorch及OpenCV等图像处理扩展库的安装、图像的矩阵化表示、图像读取与图像像素格式转换、OpenCV对视频文件的操作、使用全卷积神经网络实现视频序列跟踪目标的精确提取、构建SiameseFC网络实现视频目标跟踪】40）基础实验课：PyTorch图像描述课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【CentOS命令操作基础、Linux编程开发环境介绍、集成开发环境的安装部署、Python程序开发IDE的安装及使用、Python程序开发IDE的安装及使用、图像的矩阵化表示、图像读取与图像像素格式转换、图像描述中语义分割网络的设计与实现、编程实现基于LSTM网络的描述语句生成、图像描述综合实例编程应用】41）基础实验课：PyTorch图像超分辨率重建课程资源包含不少于10个教学视频，视频总时长60分钟以上、不少于10个实验手册等教学内容。课程提供实验内容包含【Linux命令操作基础、Linux实验环境部署、Conda的安装部署、Python集成开发环境、图像处理扩展库的安装及使用、数字图像的矩阵化表示、图像读取与图像像素格式转换、基于PyTorch的卷积神经网络编程实现、图像超分辨率重建与深度残差网络、SRR