下午

1.3 数据分析中常用的Python语言语法要点

（内容提要：数据分析中常用的Python基础语法的快速入门，包括开发环境、数据类型、流程控制、函数定义及调用、迭代器与生成器、代码编写规范以及Python语言与Java/C/C#等其他编程语言的区别）

第二天

上午

1.4 数据分析中常用的Python第三方包及其调研

（内容提要：数据分析中常用的Python第三方包Pandas，Numpy，Matplotlib，Seaborn，SciKit-Learn，Statsmodels，Scrapy，NLTK以及PySpark等的使用方法及注意事项）

1.5 Python实训：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）

下午

模块（二）数据加工与准备方法及实训

2.1 数据加工与准备的知识要点及注意事项

（内容提要：主要讲解探索型数据分析、数据规整化处理、数据降维、数据标准化、缺失数据处理、噪声数据处理以及数据脱敏的核心知识）

2.2  Python实训：墨西哥个体死亡数据的预处理

（内容提要：以墨西哥个体死亡数据的预处理为分析案例，讲解如何用Python进行对数据进行探索型数据分析、噪声数据处理、缺失值处理、数据合并、分组统计和数据排序等预处理操作）

第三天

上午

模块（三）可视化分析方法及实训

3.1 数据可视化知识要点及注意事项

（内容提要：主要讲解视觉编码、可视分析学、常用统计图表和可视化研究领域的热点等问题）

3.2 Python实训：教师工资收入的可视化分析

（内容提要：以教师工资收入数据为例，讲解采用Python进行数据可视化的基本步骤、常用方法和注意事项）

下午

模块（四）统计建模及实训

4.1 基于统计学的数据分析知识要点及注意事项

（内容提要：主要讲解统计学中对数据的理解及准备方法；参数估计与假设检验；常用统计学模型的类型及选择方法）

4.2 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）

第四天

上午

4.3 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）

下午

模块（五）机器学习及实训

5.1 基于机器学习的数据分析知识要点及注意事项

（内容提要：主要讲解机器学习中的数据划分与准备方法、算法类型及选择思路、特征选择、模型评估与调参方法以及算法可解释性问题）

5.2 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）

第五天

上午

5.3 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）

5.4 Python实训：波士顿地区房价数据分析及预测模型

（内容提要：以波士顿地区房价数据为分析对象，讲解基于Python进行时间序列分析的基本步骤、常用方法和注意事项）

下午

5.5 Python实训：美国总统竞选资金数据分析及数据洞察

（内容提要：以2012年美国总统竞选财务数据为分析对象，训练基于Python的高级数据分析的综合应用能力）

5.6 Python实训：央视春晚主持人的主持词分析

（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）

第六天

上午

模块（六）大数据分析及实训

6.1大数据分析知识要点及注意事项

（内容提要：主要讲解大数据分析中数据计算、管理和存储三种常用技术，尤其是面向高级数据分析的Spark和MongoDB的实用知识。）

6.2 Python实训：Spark编程

（内容提要：讲解基于Python的Spark编程的基本步骤、常用方法和注意事项）

下午

6.3 Python实训：MongoDB编程

（内容提要：讲解基于Python的MongoDB编程的基本步骤、常用方法和注意事项）

6.4 Python实训：基于Spark和MongoDB的大数据分析

（内容提要：以为Pearson数据集为分析对象，训练综合运用Python+Spark+MongoDB+机器学习进行高级数据分析能力）

课程总结与教学方法研讨

（内容提要：数据分析模型的可解释性与生产/部署等前言问题的讨论；相关课程教学方法研讨）

3、深度学习基础：神经网络原理

1）神经网络介绍

（1）神经元与感知机

（2）单层感知机

（3）多层感知机

2）神经网络相关概念

（1）激活函数

（2）损失函数

（3）学习率

（4）过拟合

（5）模型训练中的问题

3）正向传播

4）反向传播

5） 梯度下降

1、TensorFlow基础

（1）TensorFlow的基本概念

（2）TensorFlow处理结构

（3）TensorFlow数据类型

（4）Session会话控制

（5）Variable变量

（6）Placeholder传入值

（7）激活函数

2、使用TensorFlow构建神经网络

3、TensorFlow常用API讲解

4、TensorBoard可视化

（1）Tensorboard简介

（2）Tensorboard使用

实验2：TensorFlow安装部署

实验3：使用TensorFlow完成线性回归

实验4：使用TensorFlow完成逻辑回归

实验5-1：使用Tensorboard进行可视化

实验5-2：使用Tensorboard展示训练过程

5、TensorFlow调优

6、Keras基础

（1）Keras 简介

（2）Keras Sequential 顺序模型

（3）Keras model 类模型（函数式API）

（4）Keras 网络层

7、使用Keras搭建神经网络

8、keras常用模块

（1）模型保存

（2）预训练模型

（3）批标准化

（4）dropout

（5）超参数的选择

实验6：Keras安装部署

实验7：使用keras完成线性回归

实验8：使用keras完成逻辑回归

实验9：使用keras预训练模型完成猫狗识别

实验10：使用dropout抑制过拟合

1、CNN卷积神经网络

（1）CNN概述

（2）卷积层

（3）激活函数层

（3）池化层

（4）全连接层

2、经典卷积模型

（1）LeNet-5

（2）AlexNet

（3）VGGNet

（4）GoogLeNet

（5）RESNET

实验11：使用CNN完成MNIST手写体识别

实验12：使用RESNET完成图像分类

实验13：使用GAN生成手写数字样本

3、生成对抗网络GAN

（1）GAN的概述

（2）GAN的应用场景

（3）GAN的原理

（4）GAN的训练过程

（5）GAN的设计实现

4、强化学习

（1）强化学习原理

（2）深度强化学习之DQN-深度学习与强化学习的成功结合

5、图神经网络

（1）图神经网络概述

（2）顶刊论文复现

GCN：Semi-Supervised Classification with Graph Convolutional Networks

实验14：使用DQN训练AI玩游戏

实验15：使用TensorFlow完成视频物体检测

实验16：使用TensorFlow完成中文语音识别

实验17：使用TensorFlow完成智能换脸应用

1、自然语言处理的基本任务与主要研究方向

（1）句法语义分析

（2）信息抽取

（3）文本挖掘

（4）机器翻译

（5）信息检索

（6）问答系统

（7）对话系统

2、 自然语言处理在互联网企业的应用

（1） 阿里巴巴智能客服

（2） 今日头条文章分类

（3） 腾讯舆情

（4） 百度搜索

3、自然语言处理核心技术—分词技术

（1） 分词技术原理

（2） 常用分词算法

（3） 常用分词工具介绍

实验18：正向最大匹配算法

实验19：常用分词工具的安装

实验20：使用jieba和hanlp完成今日头条新闻分词

4、自然语言处理核心技术—命名实体识别

（1） 命名实体识别概述

（2） 使用CRF完成命名实体识别

（3） 使用LSTM完成命名实体识别

5、神经元模型

（1）RNN

（2）LSTM

（3）Transformer

6、词向量模型

（1） 词向量经典模型：onehot、word2vec、glove、ELMo和BERT

7、知识图谱概述

（1）什么是知识图谱

（2）知识图谱的发展历史

（3）知识图谱的价值

（4）国内外典型的知识图谱项目

（5）知识图谱的构建流程

（6）知识图谱的相关技术

8、知识图谱基础—知识表示与建模

（1）知识表示概述

（2）知识表示框架

（3）数据模型设计方法

（4）金融企业数据模型设计

实验21：基于CRF的实体提取

实验22：基于Bilstm+CRF的命名实体识别

实验23：基于sklearn构建onehot词向量模型

实验24：基于gensim构建Word2Vec词向量模型

实验25：基于bert构建词向量模型

实验26：金融企业数据主题域设计—企业风险知识图谱

1、知识图谱核心技术—知识源数据的获取

（1）结构化数据的获取

（2）非结构化数据的获取

2、知识图谱核心技术-知识抽取

（1）知识抽取概述（实体消歧放到知识融合）

（2）实体抽取技术

a)基于命名实体技术的实体抽取

b)基于关键词技术的实体抽取

（3）关系抽取技术

（4）事件抽取技术

实验27：将mysql数据导出为图谱源数据

实验28：股票吧信息爬取实战

实验29：使用爬虫获取企业法人等信息

实验30：获取企业风险知识图谱源数据

实验31：使用hanlp抽取法人名称、企业名称等信息

实验32：使用TextRank算法完成知识抽取

实验33：使用句法依存算法关系抽取

实验34：基于模板完成事件抽取

3、知识图谱核心技术—知识融合

（1）知识融合概述

（2）实体统一

（3）实体消歧（实体统一和消歧可以统归到实体链接）

（4）知识合并

4、知识图谱核心技术—知识加工

（1）知识加工概述

（2）本体构建

（3）知识推理

5、知识图谱核心技术—知识存储

（1）知识存储常用数据库

（2）图数据库neo4j

（3）neo4j的安装与部署

实验35：使用jieba完成公司名的实体统一

实验36：使用tf-idf完成实体消歧

实验37：neo4j实战操作

实验38：使用neo4j工具导入知识图谱

案例1：使用neo4j从零搭建简单的金融      案例2：基于金融知识图谱的问答机器人

知识图谱

（1）项目背景                           （1）项目背景

（2）数据模型设计                       （2）项目架构

（3）使用爬虫获取原始数据               （3）基于检索与知识图谱相结合的功能模块

（4）构建知识图谱                       （4）基于句子相似度的功能模块

（5）展示知识图谱                       （5）项目展示

（6）使用neo4j完成知识推理

案例3：基于金融知识图谱的企业风险挖掘    案例4：基于知识图谱表示的商户治理

（1）项目背景                            （1）项目背景

（2）数据模型设计                        （2）数据模型设计

（3）项目架构                            （3）项目架构

（4）数据清洗                            （4）数据清洗

（5）特征选择                            （5）特征选择

（6）模型训练与评估                      （6）模型训练与评估

（7）项目展示                            （7）项目展示

案例5：基于法律领域的知识图谱            案例6：基于医药领域的知识图谱

（1）项目背景                            （1）项目背景

（2）数据模型设计                        （2）数据模型设计

（3）原始数据获取                        （3）原始数据获取

（4）构建知识图谱                        （4）构建知识图谱

（5）展示知识图谱                        （5）展示知识图谱

案例7：基于农业领域的知识图谱        案例8：CCF2020-疫情对北京社会经济影响分析

（1）项目背景                            （1）项目背景

（2）数据模型设计                        （2）数据模型设计 

（3）原始数据获取                        （3）项目架构

（4）构建知识图谱                        （4）数据清洗

（5）展示知识图谱                        （5）特征选择 

                                         （6）模型训练与评估

                                         （7）项目展示

下午

第3讲 数字图像处理基础

（1） 图像预处理及空域滤波的常用方法，包括平均滤波，高斯滤波，中值滤波等；

（2） 实践3.1: 图像去噪OpenCV实现及结果对比

（3） 图像边缘检测方法，包括Sobel算子，Laplace算子，Canny算子；

（4） 实践3.2: 各类边缘检测实验及对比

（5） 灰度直方图的基本概念；基于灰度的直方图分与大津算法，结合OpenCV实例

（6） 图像的直线检测方法，Hough变换及OpenCV实现

（7） 实践3.3：图像处理与分割综合演练(以米粒计数为例)

第二天

上午

第4讲  特征检测与运动估计   

（1） 图像特征点提取：特征角点的基本定义，Harris角点检测算法、尺度空间与SIFT角点检测算法、ORB角点检测算子

（2） 实践4.1: 图像特征检测算法与结果对比

（3） 基于背景建模的运动目标检测：混合高斯模型，基于混合高斯模型的背景提取算法，运动目标检测与跟踪

（4） 实践4.2: 视频背景建模与运动目标检测实战

（5） 光流估计：光流基本概念，光流方程，Lucas-Kanade光流估计方法，多分辨L-K光流估计方法

（6） 实践4.3: 光流估计实战

（7） Kalman滤波与目标跟踪应用（选讲）

（8） 实践4.4：Kalman滤波运动跟踪应用

下午

第5讲  视觉成像几何与位姿估计

（1） 相机成像几何与常见坐标变换

（2） 根据特征点对应确定相对位姿(PnP)：基本原理，算法步骤

（3） 实践5.1：基于单目视觉的相对位姿估计

（4） 双目视觉基础：双目视觉基本问题介绍，极线几何原理

（5） 实践5.2：双目视觉实战演练

第三天

上午

第6讲 三维重构与相机标定

（1） 三维重构：基于双目视觉的三维重构，基本思想与算法示意

（2） 实践6.1：三维重构实战演练

（3） 相机标定方法：Zhang方法的基本思想，OpenCV实现

（4） 实践6.2：相机标定实战

下午

第7讲  卷积神经网络与图像分类

（1） 卷积神经网络要素

（2） LeNet网络

（3）   实践7.1：字符识别数据集与LeNet网络实战

（4） AlexNet网络与网络可视化

（5）   实践7.2：AlexNet网络实战

第四天

上午

（6） VGG网络

（7）   实践7.3：VGG网络实战

（8） ResNet网络

（9）   实践7.4：ResNet网络实战

（10） 循环神经网络

（11）  实践7.4：RNN实现

下午

第8讲 深度学习视觉应用

（1） 目标检测：目标检测数据集，YOLO目标检测

（2） 实践8.1：目标检测实战

（3） 语义分割

第五天

上午

（4） 实践8.2：语义分割实战

（5） 风格迁移

（6） 实践8.3：风格迁移实战

（7） 视觉应用展望

下午

第9讲  智能系统与视觉导航技术

（1） 智能系统概要

（2） 智能无人系统

（3） 多智能体系统

（4） 视觉SLAM技术

第六天

上午

第10讲 机器人平台与ROS

（1） ROS基础

（2） 导航功能包

（3） 演示实例

下午

第11讲 视觉SLAM与ORB-SLAM

（1）ORB-SLAM框架

（2）数据集与EVO

（3）视觉历程计

（4）建图与优化

（5）回环检测

（6）演示实例

第12讲 课程总结与讨论

（1）课程总结

（2）如何开展机器视觉与智能系统研究

（3）研究示例

下午

初步认识区块链系统实验

实验一   Python区块链模拟器

从零开始如何实现一个区块链，运行第一个区块链，读一个基于python的区块链模拟器代码。

实验二   比特币源码分析实验

从官网下载比特币源码，分析比特币源码组成，找出挖矿共识等相关函数。

第二天

上午

比特币、以太坊技术与数字货币交易系统原理

1、比特币项目及源码简介

2、深入介绍比特币的工作原理、挖矿过程、PoW共识机制、闪电网络、侧链等技术

3、介绍主流的以太坊、EOS等数字货币交易系统及基于交易系统的开发技术——API接口技术。介绍钱包应用。

下午

数字货币交易系统开发应用实战

实验三   实现一个应用

基于比特币或以太坊技术API接口开发，实现基于数字币的交易系统

第三天

上午

以太坊技术原理及智能合约开发技术

1、以太坊项目的历史、特点；智能合约、账户、交易、区块、以太币、燃料等概念；

2、智能合约工作机理与开发语言、交易模型、共识、攻击防护、可扩展性等；

3、以太坊开发相关工具：客户端和开发库；以太坊钱包；

4、客户端安装：go语言实现的以太坊客户端，从RPA直接安装或从源码翻译等两种安装方法；

5、智能合约应用开发：如何搭建测试用区块链；创建、编译、部署、调用智能合约；

下午

以太坊智能合约开发基础实战

1、开发环境及工具：git、Node.js、NPM、webpack、Postman、levelDB；

2、Ganache、geth、Mist

实验四  编写第一个智能合约：solidy

第四天

上午

解析超级账本技术

1、联盟链技术原理和超级账本项目介绍

2、Hyperledger Fabric技术架构

3、Go语言基础和智能合约开发技术

下午

基于Fabric链码的智能合约开发实战

实验五   Hyperledger Fabric环境的部署实验

安装与部署、Fabric网络管理、智能合约开发、Fabric的配置解析和身份认证管理；

实验六  实现综合应用开发基础实战

存证、转账等基本的合约功能实现

第五天

上午

基于以太坊或超级账本的综合应用

基于以太坊技术综合应用开发实战

介绍综合应用开发：Truffle工具使用，讲解开发数字存证等几个综合应用的具体实现；

下午

项目开发实战自选题如下：

1、围绕学历证书存证查询实现一个去中心化应用；

2、围绕供应链金融实现一个订单签订流程应用；

3、围绕政务数据共享实现基于区块链的数据交换应用：模拟公安为银行客户提供远程安全的身份认证或模拟房产部门的远程房产认证应用；

4、围绕多方博弈（赌球）实现一个基于区块链的赌球、竞价拍卖应用；

第六天

上午

基于以太坊或超级账本的综合应用

基于Hyperledger Fabric联盟链技术应用开发实战

介绍联盟链综合开发技术

下午

项目开发实战自选题如下：

5、围绕电商平台积分应用，实现一个基于区块链的积分系统；

6、围绕众筹场景，实现一个基于区块链的众筹应用系统；

7、围绕征信场景，实现一个基于区块链的征信应用系统；

8、围绕物流场景，实现基于区块链的物流跟踪系统；

第二天

人工智能的硬件加速原理和IP核定制实践

1、Arm AMBA规范

（理论，内容包括AMBA框架、APB总线协议分析、AHB总线协议分析，AXI总线协议分析）

2、算法的IP核加速方法

（理论，内容包括算法的软件实现和硬件实现的比较，算法IP核的设计流程，人工智能算法使用硬件IP加速的优势）

3、设计实例二：简单IP核的定制和验证

（内容包括，AXI-GP端口的定义，Vivado环境下自定义简单IP的设计、自定义IP的封装，IP核接入嵌入式系统硬件，在SDK中编写驱动和应用程序，设计下载和验证）

4、设计实例三：复杂IP核的定制和验证

（内容包括AXI-HP端口的定义，Vivado环境下自定义视频图像边缘提取算法IP的设计、自定义IP的封装，IP核接入嵌入式系统硬件，在SDK中编写驱动和应用程序，设计下载和验证）

5、Xilinx高级综合工具HLS的原理及手写识别算法的硬件加速

（内容包括HLS的框架、设计流程优化策略、手写识别算法的C/C++模型的构建、使用HLS工具将软件手写识别算法转换成FPGA的加速实现IP核、手写识别算法的优化、手写识别算法IP核的硬件接入、手写识别算法的高层次模型仿真和验证）。

部分实验展示：手写识别算法的硬件加速

第三天

Ubuntu在SoC器件运行基础和实践

1、嵌入式Ubuntu操作系统的构成

（理论部分包括、Ubuntu的原理、内核结构、设备树原理、文件系统原理）

2、U-Boot的生成

（实践部分包括下载ubuntu、编译ubuntu）

3、内核的生成

（实践部分包括下载Linux内核源码、内核系统配置、编译内核）

4、设备树的生成

（实践部分包括设备树的编译）

5、文件系统的生成

（实践部分包括文件系统的下载）

6、生成Ubuntu启动镜像

（实践部分包括生成FSBL文件、生成BOOT.BIN文件、制作SD卡、复制BOOT.BIN文件、复制编译后的内核文件、复制编译后的设备树文件、启动Ubuntu操作系统）

第四天

PYNQ架构和开发基础

1、Python简单应用程序的开发

（实践部分包括冒泡排序和汉诺塔原理的讲解与代码编写，并在jupyter notebook上运行）

2、PetaLinux的安装

（实践部分包括petalinux安装包的下载、Ubuntu环境配置与软件安装）

3、Jupyter Notebook的原理

（理论部分包括Jupyter Notebook的由来与如何运行和使用Jupyter Notebook）

部分实验展示：Jupyter Notebook

第五天

PTNQ下典型人工智能算法的实现案例（一）

1、PYNQ的搭建

（实践部分包括PYNQ源码的下载与针对特定开发板的PYNQ镜像生成）

2、PYNQ外设的介绍

（理论，主要内容包括IP、IOPs、PynqMicroBlaze、PS/PL接口、PS控制、PL控制）

3、在PYNQ上开发程序

（实践内容包括使用Jupyter Notebook，通过浏览器在PYNQ上开发程序设计实例，编写并运行应用程序）

4、Overlays设计方法学

（理论和实践部分包括，Overlays设计理念、Overlays加速软件算法、Overlays的创建、PYNQ PYTHON API的生成、Overlays的设计实例）

5、在PYNQ上运行卡尔曼滤波器加速

（理论和实践内容包括，卡尔曼滤波器算法原理，在PYNQ上实现卡尔曼滤波加速的实现，包括快速开始、背景、设计和实现、性能、建立流程、容器结构等）

部分实验展示：PYNQ上开发程序、卡尔曼滤波器加速

第六天

PTNQ下典型人工智能算法的实现案例（二）

1、在PYNQ上运行二值化神经网络

（理论和实践内容包括，对二值化神经网络原理进行介绍，在PYNQ上实现二值化神经网络）

2、在Xilinx FPGA上使用FINN进行机器学习加速

（理论+实践，对Xilinx开发的FINN的原理进行介绍，并运行相关的例程）

部分实验展示：运行二值化神经网络、FINN进行机器学习加速