本课程从机器学习本质上是对学习的函数进行拟合这一基本概念入手，引出逻辑回归与人工神经元之间的关联，从而为人工深度神经网络的引入做好铺垫。其主要内容包括逻辑回归模型与神经网络、梯度下降与反向传播、深度学习编程与训练技巧、卷积神经网络和循环神经网络、词嵌入模型和自编码器、迁移学习、集成学习等，旨在让学生能够熟练的使用深度学习思想和技能解决实际问题。

本课程主要内容涵盖了数据仓库和数据挖掘两大部分，数据仓库部分有数据仓库的概念与体系结构、数据、数据存储、OLAP与数据立方体；数据挖掘部分有关联挖掘、聚类分析、分类、神经网络、统计分析、知识图谱等。该课程以大量的计算实例来增加学生对数据挖掘原理及其各种挖掘算法的理解深度，兼顾了应用型人才与学术型人才培养的需求，为学生真正架起了理论与实践的桥梁。

本课程作为入门级大数据基础课程，其主要内容包括大数据概述、数据采集基础、大数据采集架构、大数据迁移技术、互联网数据抓取技术、数据预处理技术、大数据采集与预处理综合实践等。旨在为学生搭建起大数据的知识架构，阐述大数据采集和数据预处理的基本原理，并开展相关的初级实践，为学生在大数据及相关领域的学习奠定重要基础。

大数据系统运维主要是针对部署在Linux操作系统上的大数据组件进行配置，操作，维护与管理的一门课程。主要是针对大数据集群从最初的集群规划，硬件选型，软件版本选择，组件的部署与调优及最终的模拟工作环境下的项目运维实战。 该课程需要重点掌握CDH集群使用与管理、HDFS配置优化、YARN配置优化、HDFS文件系统检测、Hadoop安全模式与权限控制与ElasticSearch、Azkaban、Postman等工具的使用。 旨在让本科和高职学生能够熟练的掌握集群各组件的重要配置参数与调优方法，从而来解决大数据运维场景中数据存储等问题，为企业级大数据系统运维应用积累经验和知识，培养学生专业技能以满足大数据集群运维工程师，云运维工程师等岗位技能要求和知识储备。

本课程系统地论述了大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、Hive、Spark、流计算、图计算、大数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase、MapReduce、Hive、Spark等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。高校教师在实际授课时，可以根据自己需求调整课时安排。比如，不讲流计算和图计算，把相应课时分配给第2章大数据处理架构Hadoop和第7章MapReduce。

语音信号处理课程系统地介绍了语音信号处理的基础、概念、原理、方法和应用。学习该课程需重点掌握语音信号处理的基础知识、语音信号处理的常用算法、语音信号分析、语音信号特征提取、语音增强、语音识别、说话人识别、语音编码、语音合成与转换、语音信号情感识别、语音隐藏以及声源定位等内容。课程以语音信号处理过程的总体框架为线索，全面阐述了语音信号处理与应用的理论模型和应用技术，既注重基本理论的系统性，又兼顾实用性和可学性，通过课程学习，在理解理论知识的同时，又能掌握常用的应用方法。本课程可作为高等院校人工智能、计算机应用、通信与电子工程、信号与信息处理等专业及学科的高年级本科生、研究生的专业基础课程，也可供该领域的科研及工程技术人员参考。

自然语言处理(NLP)是计算机科学、人工智能和计算语言学的一个交叉领域，关注计算机和人类(自然)语言之间的交互，特别是关注计算机编程以有效处理大型自然语言语料库。自然语言处理中的挑战通常涉及自然语言理解、自然语言生成、语言与机器感知的连接、对话系统或它们的某些组合。本课程从自然语言的编程基础开始讲起，主要包括中文分词技术、信息抽取技术（关键词抽取，命名实体识别，实体关系抽取）、文本分类、知识图谱构建和推理、机器阅读理解、摘要生成以及对话系统等当前主流的自然语言处理任务。通过该课程的学习，旨在使高年级本科生或者研究生了解自然语言处理的任务和常用算法，并能够掌握NLP相关的算法设计和开发能力，培养NLP岗位的算法工程师和系统测试维护等相关技术人员。

智能时代的社会发展目标是将人类从繁重的劳动中解脱出来，实现的途径就是物化智能或物体智化，其中神经网络是最重要的工具，而Tensorflow是最广泛应用的神经网络实现框架之一。本课程重点介绍了神经网络工程应用中涉及的环境搭建、配置，神经网络方法的选择和实现，以及应用过程中的注意事项。课程中尽量不涉及晦涩的专业名词，用最易于理解的方式表达神经网络的基本原理、作用和实现。本课程力图通过真实案例示范，让学生像学习母语一样，在模仿中轻松学会神经网络编程，并在应用中深化对神经网络的理解，进而培养应用创新能力。

“智能终端基础”课程以构建智能终端知识基础、以技术实践为创新工程能力培养的解决方案，以机器人与行业智能装备研发为产业背景，结合树莓派、K210、图像处理和语音交互等软硬件技术，开展智能终端理论教学与实践。课程教学内容覆盖树莓派基础、传感器与舵机、机器人操作系统及编程开发基础、图像处理、语音交互、K210和YOLO图像检测等，涵盖树莓派及K210主板开发。通过学习本课程，学生可以系统掌握智能终端各层面的技术，掌握开展智能硬件实践所必须的知识与技能，理解基于智能终端构建各类行业应用时所涉及的技术环节，将多种人工智能技术与自身专业相融合。

课程定位于物联网与大数据的Java基础进行设定，将物联网与大数据会使用到的Java技术全方位的罗列并讲述，前5章为Java基本语法，使学生们能快速的掌握Java语法从而进行应用。第6章到第12章为面向对象的具体理解以及应用，包含多个demo进行具体的练习，视频中对面向对的理论均进行了深入的解释，理论与实践相结合的方式进行讲解，为学生们后期对其它工具或者框架的使用种下理论的种子，其中第九章泛型中对api接口的数据解析进行了练习，使用的方式是移动端Android解析json数据常用的方式，并且方便学生编写自动化测试一些接口的功能。后3章为基本字符流、字节流、XML文档的操作，对于后期的物联网与大数据文件处理会有很大的帮助。

本课程以Android应用开发为例，结合手机APP等常见的应用，较全面地介绍了Android应用项目的结构、控制机制，Android的常用控件及事件处理，数据存储，多媒体应用，后台处理，网络通信，手机基本功能等应用开发。最后通过一个综合的项目实例，给学生一个纵观全局的实战体验。

物联网网络通信技术主要培养学员掌握物联网终端网络通信技术的原理及应用，通过本课程，使学生掌握基于STM32嵌入式硬件平台的以太网硬件接口技术、驱动开发原理、网络协议栈原理、网络接口编程等相关技术，掌握物联网网络通信中IP、TCP、UDP、HTTP、MQTT等常用的通信协议，掌握TCP/IP协议原理、并通过抓包工具分析网络问题及故障，掌握物联网云平台接入技术。