一.人工智能——课程资源
11门专业课程，匹配学院人工智能技术应用专业人才培养方案，满足人工智能理论教学的要求。
1、Python语言程序设计 
《Python语言程序设计》是人工智能技术应用专业的专业基础课，前导课程为Linux和数据库，后续课程为数据采集与清洗、数据分析与实战等课程。课程主要以Python语言的基本内容为核心展开，介绍了Python语言的语法和基本控制语句，详细剖析了Python的函数、类和对象的应用，重点介绍了Python面向对象开发思想，并通过对Python程序案例，重点剖析了Python编程的思维方式。
通过本课程的学习，学生能够深入了解Python语言核心概念，掌握使用Python进行基本项目编程的能力，并且能够使用调试和异常处理技巧对项目进行调试排错，为后续Python的高级开发打下坚实的基础。Python作为很多技术和框架的工具语言，掌握Python的基本知识，同时也会为大数据其它方向的课程学习做好充足的准备。
2、人工智能导论 
本课程主要讲授人工智能的历史、研究现状以及基本的理论、方法和技术。包括传统的知识表示、知识图谱、专家系统、搜索技术，还涉及现代的机器学习、神经网络与深度学习技术，以及在计算机视觉、自然语言处理、智能语音识别领域的应用场景。目标是帮助学生了解人工智能的发展和现状，学习和掌握人工智能的基本原理和方法，帮助学生形成对人工智能的相关领域的全面认识，激发学生对人工智能的学习兴趣，提升新的思维方法和问题求解手段。
3、Python数据处理 
本课程以Python处理数据为核心展开，介绍了NumPy、Pandas和Matplotlib这3个库的理论和常见操作，详细剖析了如何使用这些库做数组操作、数据分析和数据可视化的工作。
本课程是人工智能方向的专业核心课程，要求学生掌握这3个库的理论知识和实际应用，培养学生数据清洗的能力和查阅资料自学的意识。
通过本课程的学习，学生能够深入了解Python处理数据的核心函数库，为后续构建模型准备干净且有效的数据，学生为人工智能其它方向的课程学习做好充足的准备。
4、数据采集与清洗 
本课程主要介绍爬虫原理和基本的实现方法，了解网页解析的方法，熟练掌握requests、Beautiful Soup、XPath、数据存储、Pandas数据合并、数据标准化、处理缺失值等内容，并了解到在不同场景下如何实现数据爬取，掌握Selenium的用法、Scrapy框架、处理重复记录、异常值检测方法。
5、机器学习 
本课程以机器学习模型为核心展开，介绍了从原始数据到数据建模再到数据预测的整套流程，并重点剖析了回归、分类、聚类、关联规则这4大类业务问题所对应的模型原理和编程应用。本课程是人工智能方向的专业核心课程，要求学生掌握模型的工作原理和应用，学会使用Anaconda、Jupyter Notebook等开发工具，学会回归、分类、聚类等模型的原理和应用，培养通过构建模型对新数据做出预测的能力和查阅资料自学的意识。通过本课程的学习，学生能够了解机器学习的相关概念，能够依据业务场景构建模型解决问题，对新数据做出预测；学生为胜任人工智能岗位打下坚实的基础，也可以从事数据分析、机器学习等相关岗位。
6、数据分析与挖掘 
本课程主要讲授数据分析的相关原理和方法，课程分为理论和实验两部分，学生能通过理论部分的学习，了解数据分析的基本理论，掌握数据分析的方法；通过实验部分的学习，全面掌握数据分析的专业知识技能，学会运用统计分析的理论知识，解决实际问题。通过对该课程的学习，学生基本能够理解数据分析概念、目的、误区、应用场景的基本内容，能够掌握数据的分布、描述性数据分析、抽样推断和参数估计、假设检验、方差分析、相关与回归分析、时间序列分析、聚类、逻辑回归等一些数据分析的方法，并能够掌握数据清洗相关的知识，掌握数据分析报告的撰写，同时能够掌握数据分析工具的运用，能够对各领域的数据进行分析，具备解决实际商业活动中具体问题的实际能力。
7、神经网络与深度学习 
本课程以深度学习模型为核心展开，介绍了深度学习的基本概念、发展史、GPU、深度学习框架等相关概念，重点讲解了神经网络的基础知识和应用，并重点剖析了卷积神经网络、循环神经网络、生成对抗网络这3大主流神经网络。本课程是人工智能方向的专业核心课程，要求学生掌握神经网络的工作原理和应用，学会使用Anaconda、Jupyter Notebook等开发工具和TensorFlow、PyTorch等深度学习框架，学会神经网络的基础知识，学会卷积神经网络、循环神经网络、生成对抗网络这3大经典神经网络的原理和应用，培养通过构建神经网络解决业务问题的能力和查阅资料自学的意识。通过本课程的学习，学生能够了解深度学习的相关概念，能够依据业务场景构建不同种类的神经网络解决问题，对新数据做出预测；学生为学习人工智能在语音、图像、文本方面的应用打下坚实的基础。
8、基于深度学习的自然语言处理 
本课程以自然语言处理的应用场景为核心展开，介绍了NLP的基本概念、处理流程等相关概念，重点讲解了自然语言处理在文本分类、情感分析、文本匹配、机器翻译、文本生成、智能对话这6大领域的应用，并重点剖析了词向量、序列标注、知识图谱等重要基础知识。本课程是人工智能方向的专业方向课程，要求学生掌握自然语言处理模型的原理和应用，学会使用Anaconda、Jupyter Notebook、PyCharm等开发工具和TensorFlow、PyTorch等深度学习框架，学会神经网络的重要知识，学会文本分类、情感分析、文本匹配、机器翻译、文本生成、智能对话这6大领域的应用，培养解决业务问题的能力和提高查阅资料自学的意识。通过本课程的学习，学生能够了解自然语言处理的多个应用场景，能够灵活的建立模型处理自然语言处理多种领域的问题，具备解决实际问题的能力；学生可以从事自然语言处理的岗位。
9、数字图像处理 
本课程是人工智能方向系列课程计算机视觉方向的第1门课程。其前导课程为《Python语言程序设计》、《线性代数》、《高等数学》，后续课程为《计算机视觉》。本课程介绍了数字图像处理的算法分析及编程实现技术，目的使学生了解和掌握计算机图像处理的基本原理、基本知识和相关的概念，提高学生图像处理的综合应用能力。通过本课程的学习，学生可以从理论和实用的编程两方面掌握图像处理的技术，学生可以从事图像处理相关的岗位，也可以以此为基础进一步学习计算机视觉等更高级的内容，从而从事计算机视觉算法工程师等更高端的岗位。
10、统计自然语言处理 
本课程是人工智能方向系列课程自然语言处理方向的第1门课程，其前导课程为《Python语言程序设计》、《Python数据处理》、《数据结构》、《高等数学》，《线性代数》，《概率论与数理统计》、《信息论》，后续课程为《基于深度学习的自然语言处理》。本课程主要以自然语言处理的基本概念为核心展开，介绍了语言模型、概率图模型、词法分析、句法分析、语义分析和关键词提取等相关问题，详细剖析了词法、句法和语义分析的理论和实现，重点介绍了HMM隐马尔可夫模型、CRF条件随机场模型等重要模型，并重点剖析了这些技术的模型原理及数学理论。通过本课程的学习，学生能够了解自然语言处理的相关概念，能够灵活的建立模型处理基础的自然语言问题；学生为后续学习《基于深度学习的自然语言处理》打下坚实的基础。
11、计算机视觉 
本课程主要以计算机视觉模型为核心展开，介绍了计算机视觉的多个主流技术，重点介绍了图像分类的进阶应用、目标检测、图像分割、图像生成、目标追踪、人脸识别、图像描述、视觉问答、图像检索等多个主流技术，并重点剖析了这些技术的模型原理及数学理论。本课程是人工智能方向的专业方向课程，要求学生掌握计算机视觉算法的原理和应用，学会图像分类、目标检测、图像分割、图像生成、目标追踪、人脸识别、图像描述、视觉问答、图像检索等模型的原理和应用，培养通过构建神经网络解决业务问题的能力和查阅资料自学的意识。通过本课程的学习，学生能够了解计算机视觉的多个主流技术，能够灵活的建立模型处理计算机视觉多种领域的问题，还能调试模型参数优化模型，具备解决实际问题的能力；学生可以从事计算机视觉的岗位。

二.人工智能——实训项目案例
对接真实行业需求，来源于真实企业项目。
1、基于车辆特征分析的假套牌车稽查系统 
使用当前最主流的人工智能技术进行车辆特征提取，人工智能和WEB系统相结合，使得人工智能技术的应用更接近真实业务场景。科学地拆分任务帮助学生从零开始实现人工智能相关的功能。
通过完成本实训项目，学生在知识、能力和素质等方面能达到的如下目标：掌握人工智能（计算机视觉领域）的开发流程，对人工智能入门并熟练；提高软件系统的设计能力，了解相应的文档标准并完成文档的编写；巩固WEB系统的开发，使用主流的开发工具和开发库；培养团队开发和协同工作的意识，提高沟通能力和自我表达能力。
2、基于情感分析的智慧养老系统 
通过摄像头实时拍摄到的画面，人工智能算法实时分析老人的情感、分析是否有人摔倒、分析是否有人闯入禁止区域、分析老人是否有和义工互动并追踪义工、分析是否有陌生人出现并追踪陌生人。一旦上述事件发生，该事件会立即插入到数据库中。这些事件数据被实时地更新在报表中，管理人员因此可以迅速做出反应。基于情感分析的智慧养老系统把人工智能、Web系统和数据可视化三者相结合，智能地管理养老院的老人。本项目特色：与生活息息相关，具备一定的趣味性和新颖性，使用当前最主流的人工智能技术实时分析画面，使用当前主流的数据可视化技术展示数据，人工智能、数据可视化和WEB系统三个模块紧密相关，是标准的工业级项目，科学地拆分任务帮助学生从零开始实现人工智能相关的功能。
3、智慧金融数据挖掘项目 
本项目实现的银行信用卡业务需求分析系统，通过对申请人基本信息的分析，完成信用卡申请的自动审批；通过分析使用信用卡消费的情况，检测是否存在异常行为，能够帮助管理人员做好风险控制；通过分析客户信用卡的使用情况，找出会流失的客户，能够让银行工作任务为这些客户提供更好的服务，挽留客户，从而提高客户的忠实度。
4、基于自然语言处理的IT知识问答机器人 
在实际生活中，智能对话被广泛应用在客服、营销等重复性对话频繁发生的场景，为用户提供高效、个性化的体验，甚至是直接集成到智能音箱、智能家居、智能导航等硬件设备中，独立承载人机交互的重担。
本项目是在人工智能技术这个细分领域实现智能问答，智能搜索和推荐，通过人工智能的方式学习人工智能相关的技术。
本项目基于自然语言处理技术，让学生掌握从0到1搭建基于文本语义的智能问答机器人，涉及的技术点包括中文分词、词性标注、句法分析、命名实体识别、语义消歧、对话管理（语境识别、子句拆分、问题澄清、问题追问）、问题处理（技术领域识别、意图识别、关键词抽取、语义解析）、答案检索（文本检索、语义搜索、知识推理）、知识库构建（知识分类、领域抽取、知识图谱）。
5、自动驾驶中的智能雨刷控制系统 
本项目采用基于计算机视觉的技术，通过对行车记录仪上传的汽车行驶图片进行分析，提取车窗上的雨水特征，能够快速判断出当前图片中的雨水情况是否需要启动雨刮器，实现智能雨刷系统。