开放实验

“量力而行”

Python编程入门与人工神经网络设计初步

理论授课时间：

==10月12日至11月2日每周三晚上18:30开始==

理论授课地点：

良乡（具体教室待定）

开放实验项目简介：

人工神经网络是一种用计算机程序模拟人脑的神经网络，以期能够实现人工智能的机器学习技术，也是当前最先进的计算技术——深度学习——的核心基础。本课程通过概述人脑的神经网络，学习制作人工神经网络所用到的数学思想，带领学生亲自动手使用Python语言编程实现人工神经网络，从而深入理解人工神经网络的原理和机制，为进一步了解高级神经网络（包括深度）打下理论和实践的基础。这门课可以让学生近距离亲身体验当前热门的人工智能热门技术，满足他们对人工智能技术的好奇心，增长他们的见识，拓宽他们的视野，培养他们的学习兴趣，并为部分将来打算从事相关研究的学生继续深入学习实践神经网络打下实践的基础。

《Python人工神经网络设计与编程实践》（本开放实验项目前身）在2019年秋至2021年秋之间每年开放两次，目前已连续成功开放3年，年均200+人次选课参加学习，受到我校各专业本科生的广泛喜爱。《Python编程入门与人工神经网络设计初步》在原来《Python人工神经网络设计与编程实践》的基础上，经过多年的实践经验积累，做了进一步的升级和细化，可以更好的适应各种基础和各种专业学生的需求。

本开放实验主要面向我校所有专业低年级本科生。选课学生可以没有任何编程基础，没有任何大学的数学知识即可开始编程实践。

培训计划：

1. 理论指导（10学时） 1）循序渐进介绍一种非常简单、有用和流行的编程语言Python的必要编程知识。 2）概述神经网络中所用的数学思想：包括函数、简单的线性分类器、迭代细化、矩阵乘法、梯度演算、通过梯度下降进行优化、几何旋转等。所有数学概念将以一种非常优雅和清晰的方式进行解释，除了简单的中学数学知识外，学生不需要任何前提知识或专业技术。 3）概述人工神经网络的认知神经科学的启示，以及人工神经网络的工作原理。
2. 实践环节（22学时） 1）21个Python基础编程（5学时） 主要内容包括：print输出、注释和#号、数字和数学计算、变量和命名、更多的变量和打印、字符串和文本、打印（1）、打印（2）、打印（3）、转义字符、提问、提示别人、参数、解包和变量、提示和传递、读取文件、读写文件、更多文件操作、命名、变量和函数、函数和变量、函数和文件、函数返回值等。 2）15个Python进阶编程（5学时） 主要内容包括：字符串、字节串和字符编码（1）、字符串、字节串和字符编码（2）、字符串、字节串和字符编码（3）、字符串、字节串和字符编码考试、if语句、else和if、做出决定、循环和列表、while循环、列表的操作、字典、模块、类和对象、对象、类和从属关系、继承与组合等。 3）编写简单的人工神经网络（4学时） 主要内容包括：编制神经网络框架代码、初始化网络、设计网络的核心模块——权重、设计查询网络、设计训练网络。 4）简单人工神经网络应用：手写数字识别（3学时） 主要内容包括：准备MNIST训练数据、测试网络、使用完整的数据集进行训练和测试、调整学习率、多次迭代、改变网络形状 5）简单人工神经网络性能提升实验（3学时） 主要内容包括：用自己的手写数字；神经网络大脑内部；创建新的训练数据：旋转图像。 、

Python人工智能应用开发实践

上课时间：

==11月9日起每周三晚上18:30开始==

上课地点：

良乡校区

开放实验简介：

人工智能作为新一轮产业变革的核心驱动力，正在释放历次科技革命和产业变革的巨大能量。人工智能的加速发展，在社会经济领域广泛应用，不断催生新技术、新产品、新产业。同时国内高校人工智能相关专业建设如火如荼，其中Python高级数据分析、深度学习、知识图谱、机器视觉、智能系统等人工智能和大数据相关技术已成为越来越多专业领域人才的必备能力和教学改革的新热点。其中，作为大数据、人工智能领域最流行最受欢迎的编程语言——Python语言程序设计也已成为很多大数据、人工智能等专业的必修课程。申请人基于对人工智能的深入理解和多年一线实践，深耕产业应用技术到教学转换，本门开放实验的开设针对我校本科生在人工智能等专业建设中实践课时不足、学生落地动手实战应用能力欠缺、教学过程中产业实战案例项目缺失等一系列教学和科研问题加以解决。

《Python人工智能应用开发实践》是《Python人工神经网络设计与编程实践》的进阶课程。后者在2019年秋至2021年秋之间年均200+人次选课参加学习，受到我校各专业本科生的广泛喜爱。但是后者无法满足具备一定编程基础，或者希望进一步学习人工智能和大数据相关技术的学生。因此，本人经过多年积累沉淀，完成了进阶开放实验项目——《Python人工智能应用开发实践》——的设计和开发。本门开放实验围绕数据挖掘、可视化分析、统计建模、机器学习、深度学习、大数据分析等内容。项目以实操为主课程理论为辅，通过穿插大量实训项目案例，提高Python编程能力和继续进阶深入自学的能力。

本门开放实验面向我校至少学习过一门编程语言的各专业本科生。

培训计划：

项目的主要内容和目的

1、掌握数据分析领域的核心知识、关键技术、常用方法、主要技能；

2、掌握基于Python的数据理解、数据加工和数据预处理方法；

3、掌握基于Python的数据可视化方法；

4、掌握基于统计学的数据分析方法及其Python编程能力；

5、掌握基于机器学习的数据分析方法及其Python编程能力；

本门开放实验采用理论讲解与上机操作同步讲解方式，重点培养学习兴趣与信心、动手操作能力和继续自学能力，具体如下：

1. 理论指导（10学时） 1）Python 语言面向对象和数据分析高级语法要点（2学时）

   2）Python 数据准备、加工与可视化（3学时）

   3）Python 自然语言处理与图像处理（3学时）

   4）Python 数据分析算法与模型（2学时）

   5）Python 大数据分析（2学时）

2. 实践环节（22学时） 1）模块一：Python数据准备与加工（9学时）

   2.1.1 Python数据准备与加工的基础

   2.1.2 随机数与Random/Sklearn

   2.1.3 向量化计算与NumPy

   2.1.4 数据框计算与Pandas

   2.1.5 数据可视化与MatPlotlib /Seaborn 及其他

   2.1.6 Python 实训：教师工资收入的可视化分析

   2）模块二：Python自然语言处理与图像处理（7学时）

   3.2.1 Python 与自然语言理解理论与实践：央视春晚主持人主持词分析 （内容提要：以2012-2019 年央视春晚主持人主持词为分析对象，讲解基于Python 的自然语言处理基本步骤、常用方法和注意事项）

   3.2.2 Python 与图像处理理论与实践：人脸识别与图像分析 （内容提要：通过人脸识别与图像分析案例，讲解基于Python 进行高级数据分析的基本流程、常用方法及注意事项） 3）模块三：Python数据分析算法与模型（6学时）

   4.3.1 基于Python的统计学编程方法、技巧及注意事项

   4.3.2 Python实训：父子身高数据的回归分析 （内容提要：以Karl Pearson父子身高数据集为基础，讲解基于Python 进行简单线性回归和多项式回归分析的基本步骤、常用方法和注意事项）

   4.3.3 Python 实训：广告投放及销售额分析 （内容提要：以广告投放及销售数据为基础，讲解基于Python 进行多元线性回归分析的基本步骤、常用方法和注意事项）

   4.3.4 基于Python的机器学习编程方法、技巧及注意事项

   4.3.5 Python实训：不同国家蛋白质消费结构分析 （内容提要：以不同国家蛋白质消费数据为基础，讲解基于Python进行KMeans和DBScan聚类分析的基本步骤、常用方法和注意事项）

   4.3.6 Python实训：威斯康星乳腺癌数据分析及自动诊断 （内容提要：以威斯康星乳腺癌数据为分析对象，讲解基于Python 进行KNN分类分析的基本步骤、常用方法和注意事项）

基于深度学习的计算机视觉专题实践

上课时间：

==2022年10月22日周六起---12月10日周六止==，共计8周，每周六上午4学时；

上课方式：

线上线下相结合（线上为主）

上课地点：

腾讯会议（中关村校区6号教学楼321实验室） 实验项目简介：随着人工智能技术的应用领域不断扩大，很多高校相继建立人工智能研究院或人工智能专业，大力推进人工智能理论和技术的研究。《机器学习》、《模式识别》、《深度学习》、《人工智能基础》等理论课程成为人工智能相关专业必修课程，学生的理论知识学习了很多，如何让理论算法落地实现，对很多学生来说是一个短板。尤其对人工智能技术感兴趣的非相关专业的学生，如何初探人工智能的奥秘？本开放实验将抛弃复杂繁琐的理论知识，以计算机视觉领域的典型应用为案例，基于百度飞桨开源深度学习框架，引导学生掌握开发深度学习应用的流程，探秘人工智能技术中线性回归、支持向量机、多层感知器、卷积神经网络等经典算法在数据预测、图像分类、目标检测识别等方面的应用，激发参与学生的学习热情，提升学生基于开源深度学习框架实现工程案例的实践能力。

本课程通过计算机视觉经典案例带领学生探索深度学习算法的奥秘，实践项目涵盖Python实践、飞桨框架、线性回归、SVM、全连接网络、卷积神经网络等。针对每个实践简单介绍算法原理，然后通过相应的工程案例，训练学生的任务分析、流程设计、代码编写、代码调试等环节的能力。项目的开展将基于百度AI Studio教育线上平台，可以利用百度提供的云上计算力完成所有实践代码的调试运行，线上提交，云服务自动运行，及时反馈运行结果，指导老师可以通过网上验收实践案例的实现代码。主要包括以下实践内容：

1. 波士顿房价预测（线性回归）

2. 鸢尾花分类（支持向量机）

3. 手写数字识别（LeNet卷积神经网络）

4. 车牌识别（深度神经网络）

5. 场景图像分类（VGG网络）

6. 目标检测& #40;YOLOv3& #41;

7. 垃圾分类（课程验收项目）

基于树莓派的微型计算服务器的搭建及测试

上课时间：

==10月8日开始，每周六上午==，

上课地点：

线上与线下结合，==良乡校区工业生态楼935==

开放实验项目简介：基于超算系统的大规模计算已经在当前科研与生产实践中发挥巨大作用。然而，超算系统非常复杂，对学生而言具有神秘感。另外，从系统搭建到软件应用涉及多个学科的交叉融合，使得学生很难完整、全面的认知整个系统。本项目利用流行的树莓派单板机组成多节点服务器，构建基于主流量化计算VASP软件包的计算平台，实现对石墨烯等典型二维材料的理化性质模拟。通过项目的实施，提升学生的系统思维能力，增进学生对软硬件的动手能力，促进学生的团队合作能力。