了解课堂上人工智能学习的痛点。 了解华清远见元宇宙实验中心和华清远见人工智能虚拟仿真系统。 了解人工智能的发展以及现在人工智能在各个领域上的应用，通过学习Python了解该语言在人工智能开发上的优缺点，并能够简单的开发和使用Python。

• 1人工智能课堂上教学的难实施性与实验的难度

• 2学习华清远见元宇宙实验中心的使用和各模块功能

• 3了解华清远见物联网虚拟仿真系统以及各模块功能

• 4了解华清远见人工智能虚拟仿真系统以及各模块功能

• 5Python的基本操作、条件语句和循环语句

• 6Python的数据类型

  6.1 Numbers类型
  6.2 String类型
  6.3 List类型
  6.4 Tuple类型
  6.5 Dict类型
  6.6 Set类型

• 1Python的JSON数据封装及解析

• 2Python的requests库的使用

• 3华清远见人工智能虚拟仿真服务安装与使用

• 4Jupyter的安装与使用规则

• 5通过Python寻找数据集并下载图片数据集

• 6百度AI开放平台实现图片识别

本节开始讲解在人工智能开发过程中，基于Python常用的库，包括Numpy、Matplotlib、Pandas、Sklearn等。 利用华清远见人工智能虚拟仿真的基础视觉应用3D场景，并基于2D环境实现车牌识别逻辑实现车牌识别，并基于仿真软件生成代码了解具体代码识别流程。

• 1Numpy矩阵介绍

  1.1 数组的创建
  1.2 打印数组
  1.3 数组运算
  1.4 形状改变

• 2Matplotlib绘图库介绍

  2.1 绘制正弦图
  2.2 绘制余弦图
  2.3 绘制绘图区域
  2.4 绘制散点图

• 3OpenCV视觉库介绍

  3.1 OpenCV实现颜色识别
  3.2 OpenCV实现形状识别

• 4Pandas数据分析库介绍

• 5Sklearn机器学习库介绍

• 6MQTT消息协议

• 1颜色、形状3D场景与2D逻辑实现颜色识别、形状识别

• 2虚拟仿真软件生成Python代码实现颜色识别、形状识别

• 3车牌3D场景与2D逻辑实现车牌定位

• 4了解车牌的数据集

• 5训练车牌识别的模型，并了解HOG特征提取

• 6车牌3D场景与2D逻辑实现车牌识别流程

• 7生成代码了解并查看Python如何实现车牌的定位、模型训练与车牌识别

掌握语音的模拟声音和数字声音的区别，掌握语音的时频域与mel特征，掌握机器学习算法与神经网络的基础概念与基础知识， 应用华清远见人工智能虚拟仿真系统进行算法与结果判别，并通过软件与代码的一键生成了解代码内部构造。

• 1认识模拟声音与数字声音

• 2声音时域与频域转换

• 3声音的Mel谱特征抽取

• 4学习率与梯度下降

• 5回归算法与分类算法

• 6机器学习与深度学习的区别

• 7简单的神经网络介绍与功能

• 8卷积神经网络的介绍与功能

• 1基础语音3D应用场景的介绍与应用

• 2基础语音3D应用场景与2D逻辑实现声音时域与频域转换与代码解读

• 3基础语音3D应用场景与2D逻辑实现Mel谱特征抽取与代码解读

• 43D场景与2D逻辑实现数字定位流程与实战

• 5基于2D逻辑学习经典神经网络LeNet-5的网络结构与超参数

• 6基于MNIST训练一个经典神经网络LeNet-5的模型与代码解读

• 73D场景与2D逻辑实现数字识别流程与实战

了解经典神经网络的发展与其相关概念。 基于华清远见人工智能虚拟仿真系统，学习不同的算法原理与网络结构，并了解与检测算法的应用场景与异同。

• 1计算机视觉-图像识别

  1.1 图像识别面临的挑战
  1.2 早期图像识别方式
  1.3 中期图像识别方式
  1.4 人工智能时代图像识别方式

• 2人工智能图像识别-方法和步骤

  2.1 模型选择和建立
  2.2 损失函数选择
  2.3 开始训练

• 3不同神经网络的优劣与网络结构介绍

  3.1 LeNet-5
  3.2 AlexNet
  3.3 VggNet
  3.4 GoogLeNet
  3.5 ResNet
  3.6 MobileNetV1
  3.7 MobileNetV2
  3.8 MobileNetV3

• 1基于人工智能虚拟仿真软件实现AlexNe

• 2基于人工智能虚拟仿真软件实现VggNet

• 3基于人工智能虚拟仿真软件实现GoogLeNet

• 4基于人工智能虚拟仿真软件实现ResNet

• 5基于人工智能虚拟仿真软件实现MobileNetV1

• 6基于人工智能虚拟仿真软件实现MobileNetV2

• 7基于人工智能虚拟仿真软件实现MobileNetV3

通过场景与算法结合，使用华清远见人工智能虚拟仿真系统实现和代码从数据采集->数据增强->数据划分->模型训练->模型部署的完整过程。

• 1通过人工智能虚拟仿真软件的3D场景-智能分拣系统，实现数据的采集

• 2通过人工智能虚拟仿真软件的2D逻辑，实现采集好数据的数据增强

• 3使用Python实现数据划分

• 4基于Python代码实现图像分类模型训练

• 1通过训练好的模型，Flask后端库实现一个后端代码用于实现端对端的请求

• 2通过scratch实现人工智能虚拟仿真软件的3D场景-智能分拣系统的各硬件模块的控制，学习控制逻辑与控制协议

• 3通过scratch自动生成Python代码，实现Python对人工智能虚拟仿真软件的3D场景-智能分拣系统的各硬件模块的控制

• 4解析Python代码的整体控制逻辑，并结合后端实现智能分拣系统的整体功能