Python Level 7
适合熟练掌握python基础知识、numpy和pandas数据处理的学生,利用sklearn、OpenCV、keras等常用的人工智能库,通过训练一些简单的人工智能分类模型,培养学生对算法的兴趣,并利用所学知识搭建自己的人工智能应用系统。
课程对象 |
|
上课形式 |
|
学习时长 |
(以上) |
|
12节录播课+12节小班课+3个月在线答疑 |
|
3个月(建议) |
课程大纲
序号 |
课程 |
课程内容 |
知识点 |
1 |
通用图像识别 |
本节课通过调用百度图像识别API,让学生初步认识人工智能以及目前人工智能的现状 |
1.初识人工智能 2.API 3.查看技术文档 4.调用API实现图像识别功能 |
2 |
EasyDL定制化物体检测 |
本节课通过使用EasyDL定制化训练平台,手工训练一个物体检测模型,让学生初步接触到训练人工智能模型的步骤。 |
1.人工智能的发展历史 2.EasyDL定制化训练平台 3.手动训练物体检测模型 4.生成API,在程序中调用训练的模型 |
3 |
识别鸢尾花 |
本节课通过利用鸢尾花不同品种的花瓣、花萼的大小差异,使用决策树算法进行机器学习,训练能识别鸢尾花品种的分类器。 |
1.Sklearn模块介绍 2.特征提取 3.决策树算法 4.训练识别鸢尾花的分类器 |
4 |
语音识别 |
本节课介绍了语音识别相关知识以及语音识别的流程,并通过百度语音的API制作了一个通过语音控制电脑的程序 |
1.了解语音识别 2.语音识别的流程 3.调用语音识别API 4.通过API识别的结果对电脑进行控制 |
5 |
图像风格转换 |
本节课介绍了计算机视觉领域,并介绍了如何来识别图像的边缘,通过OpenCV库加载已经训练好的神经网络模型进行图像风格转换。 |
1.了解计算机视觉领域 2.图像边缘识别 3.使用OpenCV库 4.使用已经训练好的模型进行风格转换 |
6 |
神经网络——感知器 |
本节课开始了解神经网络,通过介绍生物的神经元传输引出早期的人工神经网络,并开始学习人工神经网络的基础单元——感知器 |
1.人工神经网络的起源 2.M-P神经元模型 3.感知器数学模型 4.反向传播 |
7 |
多层神经网络——手写体识别(一) |
本节课主要学习数据集的预处理,以及使用keras搭建多层神经网络模型 |
1.Keras介绍 2.mnist数据集下载及处理 3.搭建多层神经网络模型 |
8 |
多层神经网络——手写体识别(二) |
本节课在上节课的基础上开始对多层神经网络模型进行编译、训练,并将训练好的模型保存为本地文件夹,随时读取使用。 |
1.编译神经网络模型 2.训练神经网络模型 3.保存模型 4.读取并使用神经网络模型 |
9 |
人脸识别系统(一) |
本节课主要通过Qt designer软件来设计出程序的UI界面,并通过OpenCV库来开启摄像头并在程序界面上显示出来,电脑程序里面常见逻辑的处理 |
1.Qt designer的使用 2.Pyqt5搭建程序UI 3.将程序的UI界面代码和逻辑代码分离 4.通过OpenCV库来开启摄像头并在程序界面上显示出来 |
10 |
人脸识别系统(二) |
本节课修复上节课关闭程序后没有完全释放摄像头的bug并实现了拍照的功能,绘制出信息录入的UI界面 |
1.通过OpenCV释放摄像头 2.常见消息弹窗设置 3.实现拍照功能 4.绘制信息录入的UI界面 |
11 |
人脸识别系统(三) |
本节课将上节课绘制的信息录入窗口显示出来,并实现信息录入的功能,并优化程序逻辑结构 |
1.显示信息录入窗口 2.实现信息录入功能 3.优化程序逻辑 |
12 |
人脸识别系统(四) |
本节课详解介绍了实现人脸识别的流程并实现了人脸识别功能,实现了将识别的人脸信息显示在程序界面上 |
1.识别模块的应用 2.OpenCV将识别到的人脸标记出来 3.显示人脸数据的个人信息 |
更多培训课程,学习资讯,课程优惠,课程开班,学校地址等学校信息,请进入 广东编玩边学少儿编程教育培训机构 详细了解 咨询电话:400-035-8011 你也可以留下你的联系方式,让课程老师跟你详细解答: 在线咨询