人工智能教学实验平台

一、整体要求：

1) 人工智能教学实验平台为人工智能核心课程提供实验环境基础设施；

2) 人工智能教学实验能够支撑人工智能专业核心课程的教学与实验，可实现人工智能课程在线教学和实验；

3) 具备理实一体化教学过程，将理论学习、动手实践结合在一起；

4) 支持常见的项目案例实验环境，从单一的知识应用到综合技能应用实训；

5) 具备项目化实训过程，每个实训项目分任务式开展，任务之间可独立开展；

6) 具备对学生项目过程完全情况的查看功能，方便教学人员查看处理，有效的提高教学质量；

7） 采用目前流行的B/S架构部署，提供统一的数据保存和升级能力。

台

1

《人工智能导论》课程资源

教学资源须配套《人工智能导论》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1. 教学资源内容须涵盖但不限于以下内容：

1) 人工智能概述：人工智能知多少、人工智能学什么、人工智能怎么学。

2) 人工智能算法应用：食物营养分析、电影推荐、智能垃圾分类。

3) 人工智能技术应用：口罩佩戴识别、人脸信息检测、OCR发票识别、智能车牌检测。

4) 人工智能行业探索：AI+教育、AI+家居、AI+经济、AI+工业、AI+医疗、AI+农业。

5) 人工智能安全及发展：人工智能安全及发展。

套

1

《机器学习技术应用》课程资源

教学资源须配套《机器学习技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1. 教学资源内容须涵盖但不限于以下内容：

1) 数据分析：简单电影数据统计、工资数据简单统计。

2) 回归分析：电影数据分析（一元线性回归）、电影数据分析（多项式回归）、薪资数据分析

3) 身高与体重数据分析：使用逻辑回归、朴素贝叶斯进行性别分类、使用逻辑回归进行肥胖判定、使用决策树、支持向量机SVM对数据进行分析与预测。

4) 鸢尾花分类：使用K近邻、随机森林、神经网络进行鸢尾花分类、使用K近邻、随机森林、神经网络进行肥胖分类。

5) 电影评分数据分析（聚类）：使用密度聚类和K均值聚类算法对电影评分数据分析。

6) 手写数字识别应用：使用SVC进行手写数字识别、使用神经网络进行手写数字识别

7) 电影数据分析：项目综合。

套

1

《Python数据分析及可视化》课程资源

教学资源须配套《Python数据分析及可视化》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1. 教学资源内容须涵盖但不限于以下内容：

1) 站点气温数据分析——Numpy数据分析基础：数组基本操作、数组数据分析。

2) 汽车目标客户体验数据分析——pandas数据分析基础：Pandas基本操作、Pandas数据预处理与可视化。

3) 疫情数据可视化——Matplotlib、Seaborn常用绘图：Matplotlib常用绘图、Seaborn常用绘图。

4) 航空乘客数据预测——时间序列数据预测：时间序列数据操作、时间序列数据预测。

5) 化验诊断结果数据分析——机器学习基础：回归与分类分析、聚类、主成分分析与关联规则。

6) 综合数据分析案例：名字频率分析、餐饮数据分析、影评数据分析、财政收入影响因素分析及预测、中小微企业的信贷决策、百货商场会员画像描绘。

套

1

《自然语言处理技术与应用》课程资源

教学资源须配套《自然语言处理技术与应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1. 教学资源内容须涵盖但不限于以下内容：

1) 基础NLP：文本预处理、中文文本处理与解析、关键词提取、文本向量化。

2) 文本分类与聚类：中文垃圾邮件分类、LDA模型应用、文本主题分类、文本聚类。

3) 情感分析：基于机器学习进行京东评论情感分析、酒店评论语料处理及数据集划分、BiLSTM情感分析模型构建、训练及测试。

4) 中文命名实体识别：数据处理及序列标注、CRF+BiLSTM模型构建与训练、中文命名实体识别模型测试。

5) 机器翻译：中英机器翻译数据处理及保存、基于注意力的模型训练及翻译。

套

1

《计算机视觉技术应用》课程资源

教学资源须配套《计算机视觉技术应用》课程实训指导手册、教学PPT、教学视频、案例源码及数据集等内容。

1. 教学资源内容须涵盖但不限于以下内容：

1) 手写数字图像处理：边缘检测与滤波去噪、纸张边缘轮廓检测、多边形拟合与图像透视变换、图像分割与信息提取。

2) YOLO目标检测项目开发与部署实战：准备数据集并执行训练脚本、使用YOLOv3_tiny进行模型训练、模型测试及性能评估。

3) 人脸口罩佩戴识别项目：数据准备、环境配置与创建TF记录文件、模型准备与更新配置文件、模型训练与效果展示。

4) 中文自然场景文字检测及识别项目实战：文字检测所需数据集准备、使用yolov3训练文字检测、CRNN文字识别、模型加载及web应用部署。

5) 手势识别之手势画图项目实战：初识mediapie手势识别、基于手势识别的数手指程序、基于手势识别的手势画图程序。

套

1

注：详细参数详见招标文件