机器学习
—— 人工智能系列
《机器学习》课程为“创新领导者”的进阶课程,适用于15岁及以上(建议10~12年级使用),是人工智能系列课程之一。
课程以项目制结合最终任务挑战为主线,重点围绕机器学习技术,结合“M.A.R.K 机器视觉人工智能学习小车”教具和 Python 与MicroPython 编程软件设计,编写对应的项目程序和最终任务挑战程序,课程由浅入深的帮助学生建立对机器学习的认知。
课程概况
课程配套教具
课程内容与框架
课次 | 课程名称 | 课程简介 |
第一章 机器学习概述与软硬件环境 | ||
第1课 | 人工智能与机器学习概述 | 了解人工智能的基本概念,人工智能和机器学习的关系 |
第2课 | 硬件入门 M.A.R.K 机器视觉人工智能学习小车 | 了解一般计算机的组成部分,初步认识 M.A.R.K 小车 |
第3课 | 软件入门 Python 和 MicroPython | 知道什么是编程语言和其用途。认识 Python 和 MicroPython 以及区别 |
第4课 | 组装 M.A.R.K | 根据快速上手指南和老师的指引完成 M.A.R.K 的组装 |
第二章 体验自动驾驶里的机器学习 | ||
第5课 | 理论I:自动驾驶技术 | 理解自动驾驶技术是什么,自动驾驶的组成部分和应用类比 |
第6课 | 练习I:用传统传感器构建自动驾驶汽车 | 认识学习传感器并控制 M.A.R.K 小车巡线和避障运动 |
第7课 | 练习I:用机器视觉强化自动驾驶汽车 | 学习什么是计算机视觉,并利用霍夫变换算法在 M.A.R.K 上检测圆形 |
第三章 机器学习核心算法初探 | ||
第8课 | 理论II:机器学习的核心算法 | 了解机器学习的组成部分以及监督学习,无监督学习,强化学习的内容和区别 |
第9课 | 练习II:使用线性回归进行糖尿病病情预测 | 学习回归算法,了解线性回归和多项式回归的用法以及适用场景 |
第10课 | 练习II:使用K均值聚类算法聚类分析客户 | 认识集群和数据集,探索数据集。使用不同数量的群集进行K均值群集 |
第四章 进阶物体检测 | ||
第11课 | 理论III:人工神经网络与深度学习 | 了解什么是神经网络和深度学习,了解学习多层感知机(MLP),使用卷积神经网络(CNN)算法进行图像识别 |
第12课 | 练习III:使用 M.A.R.K 预训练模型进行图像分类和物体检测 | 理解图像的原理,尝试图像分类模型和物体检测模型,将计算机视觉与行动相结合 |
第13课 | 练习III:使用迁移学习重新训练图像分类模型 | 了解卷积神经网络,收集数据通过迁移学习训练图像分类器和对象检测器 |
第五章:机器人竞技——相扑大赛 | ||
第14课 | 实战:机器人相扑大赛赛前准备 | 了解机器人相扑大赛的基本规则和要求并编写适合自己的代码 |
第15课 | 实战:相扑大赛 | 与其他小组使用 M.A.R.K 进行相扑比赛PK |
第16课 | 演示与分享 | 学生分组进行路演与展示 |
样课下载
-
2020-10-08 机器学习-样课-驱动.zip
끂352 1.16 MB -
2020-10-08 机器学习-样课-源代码.zip
끂365 324.51 MB -
2020-10-08 机器学习-第7课 学生用书-样课.pdf
끂569 12.8 MB -
2020-10-08 机器学习-第7课 教师用书-样课.pdf
끂559 14.27 MB -
2020-10-08 机器学习 教师用PPT 第7课 练习I:用机器视觉强化自动驾驶汽车.zip
끂368 19.87 MB -
2020-10-08 机器学习 教师用PPT 第7课 练习I:用机器视觉强化自动驾驶汽车.z01
끂403 45 MB
课程导览
机器学习 第7课 练习I:用机器视觉强化自动驾驶汽车
请注意
• 建议使用2016或更高版本office,或使用最新版本的“WPS Office”观看教师用PPT。(低版本的office因为视频支持有限,会导致ppt内视频无法播放。)
• 因为本课源码包括训练数据集等数据,文件过大所以暂不提供下载,如需要可留下联系方式索取。
• 本课程的编程软件:
Python 和 MicroPython
TinkerGenAI (基于Jupyter 的专用课程软件包)