人工智能实训室建设方案
一、专业背景
人工智能（Artificial Intelligence），它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
人工智能的实际应用有：机器视觉，指纹识别，人脸识别，视网膜识别，虹膜识别，掌纹识别，专家系统，自动规划，智能搜索，定理证明，博弈，自动程序设计，智能控制，机器人学，语言和图像理解，遗传编程等。
如今处于风口上的人工智能产业界，受到了众多企业的追捧。截至2019年6月，中国人工智能企业超过1200家，位居全球第二。但我国人工智能行业并未摆脱人才稀缺的发展短板，专业人才稀缺严重。根据猎聘发布的《猎聘2019年中国AI&大数据人才就业趋势报告》，中国人工智能人才缺口超过500万。为了满足人工智能产业界对人才的迫切需求，国家相继出台了多项政策方针，引导高校尽快设置人工智能相关专业，加大人工智能人才培养力度。2019年3月，35所高校获批建设人工智能本科专业。2019年10月18日在教育部发布的《普通高等学校高等职业教育(专科)专业目录》2019年增补专业中，增补了人工智能技术服务专科专业。
根据教育部《普通高等学校高等职业教育（专科）专业设置管理办法》，在相关学校和行业提交增补专业建议的基础上，教育部组织研究确定了2019年度增补专业共9个，自2020年起执行。在高等职业教育行业目录中，正式宣布人工智能技术服务专业诞生，专业代码610217。
该专业建设以人工智能技术与应用素质培养为基础，以人工智能技术与应用能力为培养主线，将人工智能技术服务专业技能知识和职业资格认证相结合，构建专业的理论教学体系和实践能力培养体系。采取多种形式，通过实施“双证书”和“多证书”制，培养社会所需的实用型人才。2018年4月2日，教育部印发了《高等学校人工智能创新行动计划》，行动计划中要求各大高校加快人工智能科技创新基地。因此，在高职院校设立人工智能专业迫在眉睫。
二、知识体系
人工智能是一门边缘学科，属于自然科学和社会科学的交叉。涉及到的学科包括：哲学和认知科学，数学，神经生理学，心理学，计算机科学，信息论，控制论，不定性论等。对于高职学生而言，人工智能技术服务专业设计到的知识包括：微电子、计算机技术、电子信息技术、软件工程、通信技术、网络安防等。
三、人才培养
3.1 需求分析
人工智能的兴起广泛带动了不同行业的变革。以计算机视觉及大规模神经网络为代表的技术突破，为人工智能的实际应用创造了成熟条件。目前，人工智能的快速发展与专业人才尤其是应用型人才匮乏的矛盾显得尤为突出。因此，培养熟悉硬件、掌握AI 相应模块使用方法的应用型人才是目前各个企业和机构的当务之急，对人工智能应用型人才的培养显得尤为重要。
我国人工智能行业市场分析：
人工智能行业市场分析图
3.2 培养目标
本专业培养适应社会主义现代化建设事业需要，德、智、体、美全面发展，具有良好人文、科学素养和职业道德，掌握计算机编程技术、Python语言高级开发技术、人工智能数学、机器学习、算法、人工智能的实践工作和创新能力，能从事人工智能技术在智能交通、环境保护、公共安全、智能家居、工业监测、个人健康等多个领域中的系统开发及其应用的高级技术应用型人才。综合素质方面具有一定的创新意识、团队意识、逻辑推理能力，综合分析能力、实践动手能力、自主学习能力，能在企事业单位从事人工智能应用相关的开发、运维、管理工作的高素质技术技能型人才。
3.3 职业素质
具有科学的世界观、人生观和价值观；具有责任心和社会责任感；具有法律意识。本专业培养适应社会主义现代化建设事业需要，德、智、体、美全面发展，具有良好人文、科学素养和职业道德，掌握计算机编程技术、Python语言高级开发技术、人工智能数学、机器学习、算法、人工智能的实践工作和创新能力，能从事人工智能技术在智能交通、环境保护、公共安全、智能家居、工业监测、个人健康等多个领域中的系统开发及其应用的高级技术应用型人才。综合素质方面具有一定的创新意识、团队意识、逻辑推理能力，综合分析能力、实践动手能力、自主学习能力，能在企事业单位从事人工智能应用相关的开发、运维、管理工作的高素质技术技能型人才。
3.3 职业素质
具有合理的知识结构和一定的知识储备；具有不断更新知识和自我完善的能力；具有持续学习和终身学习的能力；具有一定的创新意识、创新精神及创新能力，具有一定的人文和艺术修养；具有良好的人际沟通能力。
具有良好的职业道德与职业操守；具备较强的组织观念和团队意识。
掌握从事人工智能产品集成、人工智能平台运营、人工智能产品测试、人工智能技术支持、人工智能产品营销与策划等工作所必须的专业知识；具有一定的工程意识和效益意识，具备一定的市场营销能力。
具有健康的体魄和良好的身体素质；拥有积极的人生态度和良好的心理调试能力。
3.4 专业能力
能够根据人工智能产品规划，对客户的需求进行有效挖掘和准确把握，具有将产品转化成市场化商品能力；能够依据客户需求的分析，制订人工智能解决方案的能力；
具备人工智能编程和数学基础知识；
具备人工智能产品调试、测试、部署和技术支持的能力；
掌握机器学习、神经网络、深度学习基础知识和基本技能。
具备面向对象程序设计能力。
熟悉深度学习模型应用，具备的训练模型、模型优化的能力。
具备能够使用高级语言开发实现给定需求的能力（以C#为例）。
能够较为熟练地使用编程语言（以 Python 为例）。
具备在方案执行过程能够有效跟踪，及时处理项目执行中发现问题的能力；
3.5 方法能力
（1）分析问题与解决问题的能力；
（2）应用知识的能力；
（3）创新能力。
3.6 社会能力
（1）良好的沟通表达能力；
（2）工程实践能力：人员管理、时间管理、技术管理、流程管理等能力；
（3）团队协作的能力；
3.7 就业分析
本专业领域毕业生可到各类企事业单位承担人工智能产品和系统的生产、测试、运营、维护、技术支持、售后、销售等工作，对于能力较强的学生可以承担人工智能助理工程师、机器学习工程师、计算机视觉工程师等研发岗。
具体岗位包括:人工智能实施工程师、人工智能运营工程师、人工智能运维工程师、人工智能助理工程师、人工智能测试工程师、人工智能技术支持工程师（FAE）、人工智能工程师、机器学习工程师、人工智能产品销售。
（1）分析问题与解决问题的能力；
（2）应用知识的能力；
（3）创新能力。
3.6 社会能力
（1）良好的沟通表达能力；
（2）工程实践能力：人员管理、时间管理、技术管理、流程管理等能力；
（3）团队协作的能力；
3.7 就业分析
本专业领域毕业生可到各类企事业单位承担人工智能产品和系统的生产、测试、运营、维护、技术支持、售后、销售等工作，对于能力较强的学生可以承担人工智能助理工程师、机器学习工程师、计算机视觉工程师等研发岗。
具体岗位包括:人工智能实施工程师、人工智能运营工程师、人工智能运维工程师、人工智能助理工程师、人工智能测试工程师、人工智能技术支持工程师（FAE）、人工智能工程师、机器学习工程师、人工智能产品销售。
人工智能就业岗位分析
六、实训室建设
人工智能技术服务专业旨在培养人工智能产业的应用型人才，使本专业的高校毕业具备数据标注、人工智能产品部署安装、人工智能产品调试、人工智能系统运维、人工智能产品推广、产品销售与咨询、售前售后技术支持等能力，以满足企事业单位对于人工智能领域高素质技术应用型人才的需求。
人工智能相关专业的知识体系比较复杂，对于的教学、实训的质量要求更高。教学主要是以理论知识为主，培养学生对于本专业知识体系框架的建立。对对于实训而言，旨在培养学生的设备安装、部署、环境搭建、运维、故障排除修复等实操能力。所以实训室的建设必须要能够提供学生动手实践的空间，能够将学生学习到的理论知识转化为实操能力，让学生全面掌握人工智能产品的组件、系统架构、部署流程、运行流程等知识。所以人工智能实训室的实训设备必须以实际行业应用为依托，对主流的人工智能产品进行模型化重构，让学生、老师可以和人工智能的行业应用进行无缝对接，轻而易举的完成人工智能理论知识的成果转化，做出一些看得见、摸得着人工智能项目应用。
人工智能相关专业的知识体系比较复杂，对于的教学、实训的质量要求更高。教学主要是以理论知识为主，培养学生对于本专业知识体系框架的建立。对对于实训而言，旨在培养学生的设备安装、部署、环境搭建、运维、故障排除修复等实操能力。所以实训室的建设必须要能够提供学生动手实践的空间，能够将学生学习到的理论知识转化为实操能力，让学生全面掌握人工智能产品的组件、系统架构、部署流程、运行流程等知识。所以人工智能实训室的实训设备必须以实际行业应用为依托，对主流的人工智能产品进行模型化重构，让学生、老师可以和人工智能的行业应用进行无缝对接，轻而易举的完成人工智能理论知识的成果转化，做出一些看得见、摸得着人工智能项目应用。
6.1 配置方案
| 序号 | 名称 | 数量 | 型号 | 单价 | 总价 | 备注 |
| 1 | AI人工智能实验箱 | 40 | DB-SD23 | 30000 | 1200000 | |
| 2 | 实验桌 | 套 | 20 | 6000 | 120000 | |
| 合计:132万 含税含运费安装调试培训 | ||||||
附:参数
DB-SD23 AI人工智能实验箱
AI人工智能实验箱：开启您的AI学习之旅！
2017年，Transformer出现在一篇论文《 Attention Is All You Need》中被引入，并在自然语言处理中得到广泛应用。
2022年：ChatGPT的横空出世
2022年11月，OpenAI发布了基于Transformer模型的大型语言模型ChatGPT，引发了全世界的AI浪潮，被《大西洋》杂志评为“年度突破”，并称其“可能会改变我们对工作方式、思考方式以及人类创造力的真正含义的想法”。
2023年：AI元年，全球竞速，势不可挡！
中国：国务院发布《新一代人工智能发展规划》，将人工智能列为国家战略，目标到2030年成为世界领先者。
美国：发布《人工智能国家战略》，持续加大投入，保持领先优势。
欧盟：发布《人工智能白皮书》，将人工智能视为欧洲未来经济增长引擎。
全球：人工智能在医疗、技术、教育、交通、金融、娱乐等领域广泛应用，带来前所未有的变革。
AI 的新时代已经降临，而你，准备好了吗？
AI人工智能实验箱专为高校人工智能教学打造的全功能平台，让您轻松掌握AI技术，开启智能时代的大门！
三大核心优势，助您一路领先：
1. 由浅入深，循序渐进
从基础的GPIO扩展到深度学习的AI视觉、AI听觉，上海顶邦AI平台提供完整的学习路径，让您一步步掌握AI知识体系，轻松应对各种挑战。
2. 软硬结合，实践为王
AI人工智能实验箱将理论与实践完美结合，丰富的实验项目让您在实践中学习，在应用中巩固，真正将AI知识融会贯通。
3. 开放灵活，激发创新
开放的GPIO接口和模块化设计，支持个性化功能开发，让您将创意变为现实，打造属于自己的AI项目。
用户的评价：
1. 来自高校教师的评价：
“课程内容丰富，教学效果杠杠的，学生们都抢着学AI！”
“以前教AI，我头都大了，各种理论知识，学生们听得云里雾里。现在有了上海顶邦AI实验箱，我轻松多了，直接让学生做实验，学得贼快！”
2. 来自学生的评价：
“以前我对AI一点都不懂，现在我都能开发自己的AI项目了！”
“课程由浅入深，循序渐进，小白也能轻松上手。老师讲得也好，我听得懂，学得会！”
3. 来自校领导的评价
“AI人工智能实验箱能够帮助学生快速掌握AI知识和技能。平台提供的实验项目也非常实用，能够帮助学生将理论知识应用到实践中。”
“我们相信，借助上海顶邦人工智能实验箱，我们学校的AI教学水平将不断提升，学生们也将能够在未来的AI时代取得更大的成就。”
AI人工智能实验箱不仅是学习AI的最佳工具，更是您通往AI未来的桥梁！
一、AI核心
GPU ：128核 NVIDIA Maxwell GPU
CPU ：4核cortex-A57处理器
内存：4 GB LPDDR 25.6 GB/s
算力：472 GFLOP
基于NVIDIA强大的Al计算能力，系统内核是一个小巧却功能强大的计算机，它可以让你并行运行多个神经网络、对象检测、分割和语音处理等应用程序， 系统搭载四核cortex- A57处理器，128核Maxwell GPU及 4GB LPDDR内存，带来足够的Al计算能力，提供472GFLOP算力，并支持一系列流行的Al框架和算法，比如TensorFlow、Pytorch、 caffe/caffe2、Keras、MXNET等。
二、系统框架与AI框架
1. 系统预装ubuntu18.04操作系统，所有环境代码库文件均已安装，开机即用。
Ubuntu 18.04 LTS在云计算领域效率极高，特别适用于机器学习这样的存储密集型和计算密集型任务。Ubuntun 长期支持版本可以获得 Canonical 官方长达五年的技术支持。Ubuntu 18.04 LTS 还将附带了 Linux Kernel 4.15，其中包含针对 Spectre 和 Meltdown 错误的修复程序。
2. 提供详细的python开源范例程序
根据TIOBE最新排名 ，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。国内目前百度指数搜索量已经超越Java，与C++，即将成为国内最受欢迎的开发语言。
Python被广泛应用于后端开发、游戏开发、网站开发、科学运算、大数据分析、云计算，图形开发等领域；Python在软件质量控制、提升开发效率、可移植性、组件集成、丰富库支持等各个方面均处于先进地位。python具有 简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底；
3. JupyterLab编程
JupyterLab是一个基于Web的交互式开发环境，用于Jupyter笔记本、代码和笔记本、代码和数据.JupyterLab非常灵活配置和排列用户界面，以支持数据科学、科学计算和机器学习中广泛的工作流.JupyterLab是可扩展的和模块化的编写插件，添加新组件并与现有组件集成
4. 多种AI框架
OpenCV计算机视觉库，TensorFlow AI框架，Pytorch AI框架等
三、AI人工智能实验箱特点
支持多模态输入，跨语言编程，优化深度学习模型
人体姿态估计，应用于实际场景
实时背景移除，基于深度学习，高效实时移除背景
目标检测，多目标检测能力强
语义分割，像素级别的详细分类，适用于环境感知
单目深度，无需特殊相机，利用全卷积网络，可从单个图像推断相对深度，应用广泛。
语音情感识别，采用Mobilenet_v2模型处理语音情感，轻量化、高效
六自由度机械臂，智能舵机，ROS控制，适用于AI视觉颜色分拣实验
车牌识别，使用Teseract-OCR 引擎，识别准确率高，使用场景广泛。
ROS机器人系统，跨平台兼容，代码开源，模块化设计，通用性强灵活性高。
AI听觉主板，具备高质量音频处理和语音服务，搭载Snowboy唤醒词检测引擎，可以完成语音情感识别、图灵机器人、语音对话等实验。
在人工智能遍地开花的今天，人工智能在 各个领域都发挥了重要的作用，为产品赋能愈来愈称为各大企业的追求。人工智能早已渗透到计 算机视觉、自动驾驶、自然语言处理、机器人技术、推荐系统、语音识别、航空航天等等领域。
AI人工智能实验箱的学习主要分为两个部分，第一部分为人工智能基础，主要包括：相关数学基础、编程基础、机器学习、深度神经网络、ROS基础与运动学。第二部分主要为实践学习包括：GPIO与传感器、机械臂、AI视觉、AI听觉、物联网。完成学习后，可以充分了解到人工智能最主流的相关应用。
1.相关数学基础
2.编程基础
3.机器学习
4.深度神经网络
5.机器运动学与ROS机器人
6.GPIO、传感器基础课程
7.机械臂课程
8.AI视觉课程
9.AI听觉课程
AI人工智能实验箱将理论与实践完美结合，丰富的实验项目让您在实践中学习，在应用中巩固，真正将AI知识融会贯通。
3. 开放灵活，激发创新
开放的GPIO接口和模块化设计，支持个性化功能开发，让您将创意变为现实，打造属于自己的AI项目。
用户的评价：
1. 来自高校教师的评价：
“课程内容丰富，教学效果杠杠的，学生们都抢着学AI！”
“以前教AI，我头都大了，各种理论知识，学生们听得云里雾里。现在有了上海顶邦AI实验箱，我轻松多了，直接让学生做实验，学得贼快！”
2. 来自学生的评价：
“以前我对AI一点都不懂，现在我都能开发自己的AI项目了！”
“课程由浅入深，循序渐进，小白也能轻松上手。老师讲得也好，我听得懂，学得会！”
3. 来自校领导的评价
“AI人工智能实验箱能够帮助学生快速掌握AI知识和技能。平台提供的实验项目也非常实用，能够帮助学生将理论知识应用到实践中。”
“我们相信，借助上海顶邦人工智能实验箱，我们学校的AI教学水平将不断提升，学生们也将能够在未来的AI时代取得更大的成就。”
AI人工智能实验箱不仅是学习AI的最佳工具，更是您通往AI未来的桥梁！
一、AI核心
GPU ：128核 NVIDIA Maxwell GPU
CPU ：4核cortex-A57处理器
内存：4 GB LPDDR 25.6 GB/s
算力：472 GFLOP
基于NVIDIA强大的Al计算能力，系统内核是一个小巧却功能强大的计算机，它可以让你并行运行多个神经网络、对象检测、分割和语音处理等应用程序， 系统搭载四核cortex- A57处理器，128核Maxwell GPU及 4GB LPDDR内存，带来足够的Al计算能力，提供472GFLOP算力，并支持一系列流行的Al框架和算法，比如TensorFlow、Pytorch、 caffe/caffe2、Keras、MXNET等。
二、系统框架与AI框架
1. 系统预装ubuntu18.04操作系统，所有环境代码库文件均已安装，开机即用。
Ubuntu 18.04 LTS在云计算领域效率极高，特别适用于机器学习这样的存储密集型和计算密集型任务。Ubuntun 长期支持版本可以获得 Canonical 官方长达五年的技术支持。Ubuntu 18.04 LTS 还将附带了 Linux Kernel 4.15，其中包含针对 Spectre 和 Meltdown 错误的修复程序。
2. 提供详细的python开源范例程序
根据TIOBE最新排名 ，Python已超越C#，与Java,C,C++一起成为全球前4大最流行语言。国内目前百度指数搜索量已经超越Java，与C++，即将成为国内最受欢迎的开发语言。
Python被广泛应用于后端开发、游戏开发、网站开发、科学运算、大数据分析、云计算，图形开发等领域；Python在软件质量控制、提升开发效率、可移植性、组件集成、丰富库支持等各个方面均处于先进地位。python具有 简单、易学、免费、开源、可移植、可扩展、可嵌入、面向对象等优点，它的面向对象甚至比java和C#.net更彻底；
3. JupyterLab编程
JupyterLab是一个基于Web的交互式开发环境，用于Jupyter笔记本、代码和笔记本、代码和数据.JupyterLab非常灵活配置和排列用户界面，以支持数据科学、科学计算和机器学习中广泛的工作流.JupyterLab是可扩展的和模块化的编写插件，添加新组件并与现有组件集成
4. 多种AI框架
OpenCV计算机视觉库，TensorFlow AI框架，Pytorch AI框架等
三、AI人工智能实验箱特点
支持多模态输入，跨语言编程，优化深度学习模型
人体姿态估计，应用于实际场景
实时背景移除，基于深度学习，高效实时移除背景
目标检测，多目标检测能力强
语义分割，像素级别的详细分类，适用于环境感知
单目深度，无需特殊相机，利用全卷积网络，可从单个图像推断相对深度，应用广泛。
语音情感识别，采用Mobilenet_v2模型处理语音情感，轻量化、高效
六自由度机械臂，智能舵机，ROS控制，适用于AI视觉颜色分拣实验
车牌识别，使用Teseract-OCR 引擎，识别准确率高，使用场景广泛。
ROS机器人系统，跨平台兼容，代码开源，模块化设计，通用性强灵活性高。
AI听觉主板，具备高质量音频处理和语音服务，搭载Snowboy唤醒词检测引擎，可以完成语音情感识别、图灵机器人、语音对话等实验。
四、硬件资源
一、硬件资源
| 功能单元 | 参数 | 功能描述 |
| 实验箱 | 外形尺寸：≥610*440*240mm； | 外箱采用铝木合金材料，四周安装尼龙防护垫，实验箱体内部包含存储空间，可以妥善存放模块及配件，打开方式为按压弹出。 |
| AI运算单元 |
GPU ：128核 NVIDIA Maxwell GPU； CPU ：4核cortex-A57处理器； 内存：4 GB LPDDR 25.6 GB/s； 算力：472 GFLOP； 核心扩展：拥有最少4个USB3.0接口，支持HDMI和DP视频接口，一路M.2接口的单路PCIE，并安装有散热风扇， 40pin GPIO； 网络：千兆以太网口、无线网卡支持2.4Ghz/5GHZ,支持蓝牙4.2； |
安装Ubuntu 18.04 LTS+ROS Melodic操作系统，集成JupyterLab开发环境、Anaconda 4.5.4虚拟环境，支持一系列流行的AI框架和算法，比如TensorFlow、caffe/caffe2、Keras、Pytorch、MXNET 等，系统安装有OpenCV计算机视觉库，TensorFlow AI框架，Pytorch AI框架。 |
| 机械臂 |
机械臂自由度：5自由度+夹持器，200g有效负载，臂展350mm； 舵机方案：15Kg*5+6Kg*1智能串行总线舵机； 材质：阳极氧化处理铝合金； |
用于机器人运动学与机器人系统，可以完成夹持积木等动作。 |
| 嵌入式核心主板 |
接口：6个总线舵机接口， PWM舵机接口，i2C接口，除AI核心板外还支持STM32和Raspberry Pi； OLED:显示CPU占用，显示内存占用，显示IP地址等基础信息； 按键：K1+K2键+RESET键； 1 个RGB灯； |
用于支持机械臂动作。 |
| 摄像头 | 采用USB接口，30万像素，110度广角摄像头，480P分辨率（600*480） | AI视觉实验，如垃圾分拣等实验。 |
| AI听觉单元 |
音频芯片：采用SSS1629音频芯片； 麦克风：板载两个高质量MEMS硅麦克风； 接口：标准3.5mm耳机接口、双通道喇叭接口； |
采用USB接口设计，免驱动，多系统兼容，可左右声道录音，音质更加。可以完成AI听觉类实验。 |
| 传感器实验模块 |
传感器实验模块将Jetson nano的GPIO接口引出，方便完成GPIO实验，并且包含以下实验课程：双色LED、 继电器、 轻触开关按键、U 型光电传感器、模数转换、PS2 操纵杆、电位器、模拟霍尔传感器、光敏传感器、火焰报警、气体传感器、触摸开关、超声波传感器距离检测、旋转编码器、红外避障传感器、气压传感器、陀螺仪加速度传感器、循迹传感器、直流电机风扇模块、步进电机驱动模块； |
传感器实验模块可以更好的帮助学习者更加快速的入门Jetson nano的GPIO控制，从基础入手，完成实验项目。同时引出的GPIO和可移动的模块也使我们后续的使用和开发更加方便。 |
| 显示屏 | 10寸显示屏，HDMI接口，1080P分辨率。 | 显示屏倾斜安装，倾斜角度大于5°。用于操作系统显示。 |
| 键盘鼠标 | 干电池供电，无线蓝牙连接。 | 用于系统控制。 |
五、AI人工智能课程
AI人工智能实验箱在设计时，考虑到不同基础学习者的需求，力求使用更易理解的学习方式传递更加详细的知识。本实验平台对各类使用者均有一定的学习帮助，特别是在在校大学生和研究生，能够帮助学生从初学逐渐过渡到深入学习。也可以帮助他们完成毕业设计或者学术论文。在人工智能遍地开花的今天，人工智能在 各个领域都发挥了重要的作用，为产品赋能愈来愈称为各大企业的追求。人工智能早已渗透到计 算机视觉、自动驾驶、自然语言处理、机器人技术、推荐系统、语音识别、航空航天等等领域。
AI人工智能实验箱的学习主要分为两个部分，第一部分为人工智能基础，主要包括：相关数学基础、编程基础、机器学习、深度神经网络、ROS基础与运动学。第二部分主要为实践学习包括：GPIO与传感器、机械臂、AI视觉、AI听觉、物联网。完成学习后，可以充分了解到人工智能最主流的相关应用。
1.相关数学基础
| 教学课程 | 课程内容 |
| 矩阵论 | 标量、向量、矩阵、张量 |
| 矩阵和向量相乘 | |
| 单位矩阵和逆矩阵 | |
| 线性相关和生成子空间 | |
| 范数 | |
| 特殊类型的矩阵和向量 | |
| 迹运算 | |
| Moore-Penrose伪逆 | |
| 概率与信息论 | 随机变量与概率分布 |
| 离散型变量与概率分布律 | |
| 常见的离散型概率分布 | |
| 连续型变量和概率密度函数 | |
| 常见的连续性概率分布 | |
| 联合概率 | |
| 边缘概率 | |
| 条件概率 | |
| 独立性和条件独立性 | |
| 期望、方差和协方差 | |
| 信息论 |
| 教学课程 | 课程内容 |
| 变量与基本数据类型 | 变量 |
| 基本数据类型 | |
| 列表和元组 | 列表 |
| 元组 | |
| 字典与集合 | 字典 |
| 集合 | |
| 类和对象 | 面向对象概述 |
| 类的定义和使用 | |
| 属性 | |
| 继承 | |
| 模块化程序设计 | 函数创建和调用 |
| 参数传递 | |
| 深度学习框架简介 | TensorFlow |
| PyTorch | |
| Caffe/caffe2 | |
| PaddlePaddle | |
| Linux开发环境简介 | Ubuntu操作系统 |
| 常用命令行 |
| 教学课程 | 课程内容 |
| 基本概念 | 训练集、测试集、验证集 |
| 过拟合、欠拟合、泛化 | |
| 学习率、正则化、交叉验证 | |
| K-近邻算法 | 基本概念 |
| K的选取 | |
| 距离的度量 | |
| 支持向量机 | 间隔与支持向量 |
| 对偶问题 | |
| 核函数 | |
| 软间隔与正则化 | |
| K-均值聚类 | K-均值聚类 |
| 决策树和随机森林 | 决策树的基本概念 |
| 选择最佳划分标准 | |
| 随机森林 | |
| 神经网络 | 神经元模型 |
| 感知器 | |
| 多层感知器 | |
| 经验风险和结构风险 | |
| 梯度下降和反向传播 | |
| RBF网络 | |
| 超限学习机 | |
| 神经网络训练技巧 |
| 教学课程 | 课程内容 |
| 人工智能 | 人工智能、机器学习与深度学习 |
| 深度学习 | 深度学习的发展历程 |
| 卷积神经网络 | 发展历程 |
| 基本结构 | |
| 前馈运算与反向传播 | |
| 相关性质 | |
| 卷积神经网络变种 | |
| 常用卷积神经网络模型 | |
| 循环神经网络 | 循环神经网络简介 |
| 长短时记忆网络神经 | |
| 循环神经网络的变体 | |
| 生成对抗网络 | 生成对抗网络简介 |
| 生成对抗网络基本结构 | |
| 生成对抗网络变种 |
| 实验课程 | 课程内容 |
| ROS基础与运动学 | ROS基础课程 |
| ROS创建工程项目 | |
| 自定义消息 | |
| Server通讯 | |
| 机械臂URDF模型 | |
| 机械臂运动学正反解 | |
| MoveIt配置 | |
| 智能串行总线舵机 | |
| PC上位机控制 | |
| 机械臂自定义学习动作组 | |
| 机械臂关节弧度及末端姿态控制 | |
| 机械臂工作区域内抓取、搬运 | |
| 6自由度逆运动学控制 |
| 实验课程 | 课程内容 |
| Jetson nano GPIO课程 | 双色LED控制 |
| 电位器检测 | |
| 继电器控制 | |
| 轻触开关按键 | |
| PCF8591模数转换 | |
| PS2操纵杆 | |
| 触摸开关控制 | |
| 直流电机风扇 | |
| 步进电机驱动 | |
| 传感器实验课程 | 模拟霍尔传感器 |
| 模拟温度传感器 | |
| 火焰报警 | |
| 烟雾传感器 | |
| 超声波传感器距离检测 | |
| 旋转编码器 | |
| 红外避障传感器 | |
| BMP180气压传感器 | |
| MPU6050陀螺仪加速度传感器 | |
| 循迹传感器 |
| 实验课程 | 课程内容 |
| 机械臂基础课程 | 用户按键控制 |
| 蜂鸣器控制实验 | |
| OLED控制实验 | |
| 控制单个舵机 | |
| 同时控制6个舵机动作 | |
| 读取舵机当前位置 | |
| 机械臂关节标定实践 | |
| 机械臂关节弧度及末端姿态控制 | |
| 机械臂舞蹈表演 | |
| 机械臂搬运色块实践 | |
| 机械臂搬运码垛色块实践 | |
| 机械臂抓取工作区域九点标定 | |
| 机械臂抓取工作区域物块测试 |
| 实验课程 | 课程内容 |
| AI视觉开发课程 | 安装和使用Matplotlib、Pyplot 和 Numpy |
| 在OpenCV中运行摄像头 | |
| JetCam库中测试USB摄像头 | |
| OpenCV读取、写入和显示图像 | |
| OpenCV读取、显示和保存视频 | |
| OpenCV绘图函数使用 | |
| OpenCV图像质量和像素操作 | |
| OpenCV图片剪切 | |
| OpenCV图片平移 | |
| OpenCV图片镜像 | |
| OpenCV仿射变换 | |
| OpenCV图片缩放 | |
| OpenCV图片旋转 | |
| OpenCV图片处理 | |
| OpenCV灰度处理 | |
| OpenCV图像美化 | |
| OpenCV边缘检测 | |
| OpenCV二值化处理 | |
| OpenCV矩形圆形绘制 | |
| OpenCV文字图片处理 | |
| OpenCV线段绘制 | |
| OpenCV彩色图片直方图 | |
| OpenCV直方图均衡画 | |
| OpenCV图片修补 | |
| OpenCV亮度增强 | |
| OpenCV高斯均值滤波 | |
| OpenCV磨皮美白 | |
| OpenCV中值滤波 | |
| AI视觉与机械臂综合课程 | 颜色检测 |
| 脸部和眼睛检测 | |
| 行人检测 | |
| 汽车检测 | |
| 车牌检测 | |
| 目标追踪 | |
| 定位物体实时位置 | |
| 摄像头机械臂物体追踪 | |
| 摄像头机械臂人脸追踪 | |
| 色块抓取分拣实验 | |
| 摄像头ArucoTag识别抓取实验 | |
| AI人工智能机械臂与主人互动实践 | |
| AI人工智能机械臂手势识别抓取指定色块进行码垛 | |
| AI人工智能机械臂垃圾分类实践 | |
| 嵌入式视觉应用 | 图像分类 |
| 物体检测 | |
| 语义分割 | |
| 目标检测 | |
| 人体姿态动作识别 | |
| 背景移除 | |
| 单眼深度图 |
| 实验课程 | 课程内容 |
| AI听觉领域前沿算法 | 连接时序分类模型 |
| Attention模型 | |
| 基于HMM的语音识别 | |
| Transformer | |
| AI听觉综合实战 | AI听觉领域前沿算法 |
| 在线语音合成 | |
| 语音听写流式 | |
| 图灵机器人 | |
| AIUI | |
| VAD端点检测 | |
| 小薇机器人语音对话 | |
| Snowboy语音唤醒 | |
| 语音情感识别 | |
| 基于 Kaldi 的语音识别实践 |