人工智能實訓室建設方案
一、專業(yè)背景
人工智能（Artificial Intelligence），它是研究、開發(fā)用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統(tǒng)的一門新的技術科學。人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統(tǒng)等。
人工智能的實際應用有：機器視覺，指紋識別，人臉識別，視網(wǎng)膜識別，虹膜識別，掌紋識別，專家系統(tǒng)，自動規(guī)劃，智能搜索，定理證明，博弈，自動程序設計，智能控制，機器人學，語言和圖像理解，遺傳編程等。
如今處于風口上的人工智能產業(yè)界，受到了眾多企業(yè)的追捧。截至2019年6月，中國人工智能企業(yè)超過1200家，位居全球第二。但我國人工智能行業(yè)并未擺脫人才稀缺的發(fā)展短板，專業(yè)人才稀缺嚴重。根據(jù)獵聘發(fā)布的《獵聘2019年中國AI&大數(shù)據(jù)人才就業(yè)趨勢報告》，中國人工智能人才缺口超過500萬。為了滿足人工智能產業(yè)界對人才的迫切需求，國家相繼出臺了多項政策方針，引導高校盡快設置人工智能相關專業(yè)，加大人工智能人才培養(yǎng)力度。2019年3月，35所高校獲批建設人工智能本科專業(yè)。2019年10月18日在教育部發(fā)布的《普通高等學校高等職業(yè)教育(專科)專業(yè)目錄》2019年增補專業(yè)中，增補了人工智能技術服務專科專業(yè)。
根據(jù)教育部《普通高等學校高等職業(yè)教育（專科）專業(yè)設置管理辦法》，在相關學校和行業(yè)提交增補專業(yè)建議的基礎上，教育部組織研究確定了2019年度增補專業(yè)共9個，自2020年起執(zhí)行。在高等職業(yè)教育行業(yè)目錄中，正式宣布人工智能技術服務專業(yè)誕生，專業(yè)代碼610217。
該專業(yè)建設以人工智能技術與應用素質培養(yǎng)為基礎，以人工智能技術與應用能力為培養(yǎng)主線，將人工智能技術服務專業(yè)技能知識和職業(yè)資格認證相結合，構建專業(yè)的理論教學體系和實踐能力培養(yǎng)體系。采取多種形式，通過實施“雙證書”和“多證書”制，培養(yǎng)社會所需的實用型人才。2018年4月2日，教育部印發(fā)了《高等學校人工智能創(chuàng)新行動計劃》，行動計劃中要求各大高校加快人工智能科技創(chuàng)新基地。因此，在高職院校設立人工智能專業(yè)迫在眉睫。
二、知識體系
人工智能是一門邊緣學科，屬于自然科學和社會科學的交叉。涉及到的學科包括：哲學和認知科學，數(shù)學，神經(jīng)生理學，心理學，計算機科學，信息論，控制論，不定性論等。對于高職學生而言，人工智能技術服務專業(yè)設計到的知識包括：微電子、計算機技術、電子信息技術、軟件工程、通信技術、網(wǎng)絡安防等。
三、人才培養(yǎng)
3.1 需求分析
人工智能的興起廣泛帶動了不同行業(yè)的變革。以計算機視覺及大規(guī)模神經(jīng)網(wǎng)絡為代表的技術突破，為人工智能的實際應用創(chuàng)造了成熟條件。目前，人工智能的快速發(fā)展與專業(yè)人才尤其是應用型人才匱乏的矛盾顯得尤為突出。因此，培養(yǎng)熟悉硬件、掌握AI 相應模塊使用方法的應用型人才是目前各個企業(yè)和機構的當務之急，對人工智能應用型人才的培養(yǎng)顯得尤為重要。
我國人工智能行業(yè)市場分析：
人工智能行業(yè)市場分析圖
3.2 培養(yǎng)目標
本專業(yè)培養(yǎng)適應社會主義現(xiàn)代化建設事業(yè)需要，德、智、體、美全面發(fā)展，具有良好人文、科學素養(yǎng)和職業(yè)道德，掌握計算機編程技術、Python語言高級開發(fā)技術、人工智能數(shù)學、機器學習、算法、人工智能的實踐工作和創(chuàng)新能力，能從事人工智能技術在智能交通、環(huán)境保護、公共安全、智能家居、工業(yè)監(jiān)測、個人健康等多個領域中的系統(tǒng)開發(fā)及其應用的高級技術應用型人才。綜合素質方面具有一定的創(chuàng)新意識、團隊意識、邏輯推理能力，綜合分析能力、實踐動手能力、自主學習能力，能在企事業(yè)單位從事人工智能應用相關的開發(fā)、運維、管理工作的高素質技術技能型人才。
3.3 職業(yè)素質
具有科學的世界觀、人生觀和價值觀；具有責任心和社會責任感；具有法律意識。本專業(yè)培養(yǎng)適應社會主義現(xiàn)代化建設事業(yè)需要，德、智、體、美全面發(fā)展，具有良好人文、科學素養(yǎng)和職業(yè)道德，掌握計算機編程技術、Python語言高級開發(fā)技術、人工智能數(shù)學、機器學習、算法、人工智能的實踐工作和創(chuàng)新能力，能從事人工智能技術在智能交通、環(huán)境保護、公共安全、智能家居、工業(yè)監(jiān)測、個人健康等多個領域中的系統(tǒng)開發(fā)及其應用的高級技術應用型人才。綜合素質方面具有一定的創(chuàng)新意識、團隊意識、邏輯推理能力，綜合分析能力、實踐動手能力、自主學習能力，能在企事業(yè)單位從事人工智能應用相關的開發(fā)、運維、管理工作的高素質技術技能型人才。
3.3 職業(yè)素質
具有合理的知識結構和一定的知識儲備；具有不斷更新知識和自我完善的能力；具有持續(xù)學習和終身學習的能力；具有一定的創(chuàng)新意識、創(chuàng)新精神及創(chuàng)新能力，具有一定的人文和藝術修養(yǎng)；具有良好的人際溝通能力。
具有良好的職業(yè)道德與職業(yè)操守；具備較強的組織觀念和團隊意識。
掌握從事人工智能產品集成、人工智能平臺運營、人工智能產品測試、人工智能技術支持、人工智能產品營銷與策劃等工作所必須的專業(yè)知識；具有一定的工程意識和效益意識，具備一定的市場營銷能力。
具有健康的體魄和良好的身體素質；擁有積極的人生態(tài)度和良好的心理調試能力。
3.4 專業(yè)能力
能夠根據(jù)人工智能產品規(guī)劃，對客戶的需求進行有效挖掘和準確把握，具有將產品轉化成市場化商品能力；能夠依據(jù)客戶需求的分析，制訂人工智能解決方案的能力；
具備人工智能編程和數(shù)學基礎知識；
具備人工智能產品調試、測試、部署和技術支持的能力；
掌握機器學習、神經(jīng)網(wǎng)絡、深度學習基礎知識和基本技能。
具備面向對象程序設計能力。
熟悉深度學習模型應用，具備的訓練模型、模型優(yōu)化的能力。
具備能夠使用高級語言開發(fā)實現(xiàn)給定需求的能力（以C#為例）。
能夠較為熟練地使用編程語言（以 Python 為例）。
具備在方案執(zhí)行過程能夠有效跟蹤，及時處理項目執(zhí)行中發(fā)現(xiàn)問題的能力；
3.5 方法能力
（1）分析問題與解決問題的能力；
（2）應用知識的能力；
（3）創(chuàng)新能力。
3.6 社會能力
（1）良好的溝通表達能力；
（2）工程實踐能力：人員管理、時間管理、技術管理、流程管理等能力；
（3）團隊協(xié)作的能力；
3.7 就業(yè)分析
本專業(yè)領域畢業(yè)生可到各類企事業(yè)單位承擔人工智能產品和系統(tǒng)的生產、測試、運營、維護、技術支持、售后、銷售等工作，對于能力較強的學生可以承擔人工智能助理工程師、機器學習工程師、計算機視覺工程師等研發(fā)崗。
具體崗位包括:人工智能實施工程師、人工智能運營工程師、人工智能運維工程師、人工智能助理工程師、人工智能測試工程師、人工智能技術支持工程師（FAE）、人工智能工程師、機器學習工程師、人工智能產品銷售。
（1）分析問題與解決問題的能力；
（2）應用知識的能力；
（3）創(chuàng)新能力。
3.6 社會能力
（1）良好的溝通表達能力；
（2）工程實踐能力：人員管理、時間管理、技術管理、流程管理等能力；
（3）團隊協(xié)作的能力；
3.7 就業(yè)分析
本專業(yè)領域畢業(yè)生可到各類企事業(yè)單位承擔人工智能產品和系統(tǒng)的生產、測試、運營、維護、技術支持、售后、銷售等工作，對于能力較強的學生可以承擔人工智能助理工程師、機器學習工程師、計算機視覺工程師等研發(fā)崗。
具體崗位包括:人工智能實施工程師、人工智能運營工程師、人工智能運維工程師、人工智能助理工程師、人工智能測試工程師、人工智能技術支持工程師（FAE）、人工智能工程師、機器學習工程師、人工智能產品銷售。
人工智能就業(yè)崗位分析
六、實訓室建設
人工智能技術服務專業(yè)旨在培養(yǎng)人工智能產業(yè)的應用型人才，使本專業(yè)的高校畢業(yè)具備數(shù)據(jù)標注、人工智能產品部署安裝、人工智能產品調試、人工智能系統(tǒng)運維、人工智能產品推廣、產品銷售與咨詢、售前售后技術支持等能力，以滿足企事業(yè)單位對于人工智能領域高素質技術應用型人才的需求。
人工智能相關專業(yè)的知識體系比較復雜，對于的教學、實訓的質量要求更高。教學主要是以理論知識為主，培養(yǎng)學生對于本專業(yè)知識體系框架的建立。對對于實訓而言，旨在培養(yǎng)學生的設備安裝、部署、環(huán)境搭建、運維、故障排除修復等實操能力。所以實訓室的建設必須要能夠提供學生動手實踐的空間，能夠將學生學習到的理論知識轉化為實操能力，讓學生全面掌握人工智能產品的組件、系統(tǒng)架構、部署流程、運行流程等知識。所以人工智能實訓室的實訓設備必須以實際行業(yè)應用為依托，對主流的人工智能產品進行模型化重構，讓學生、老師可以和人工智能的行業(yè)應用進行無縫對接，輕而易舉的完成人工智能理論知識的成果轉化，做出一些看得見、摸得著人工智能項目應用。
人工智能相關專業(yè)的知識體系比較復雜，對于的教學、實訓的質量要求更高。教學主要是以理論知識為主，培養(yǎng)學生對于本專業(yè)知識體系框架的建立。對對于實訓而言，旨在培養(yǎng)學生的設備安裝、部署、環(huán)境搭建、運維、故障排除修復等實操能力。所以實訓室的建設必須要能夠提供學生動手實踐的空間，能夠將學生學習到的理論知識轉化為實操能力，讓學生全面掌握人工智能產品的組件、系統(tǒng)架構、部署流程、運行流程等知識。所以人工智能實訓室的實訓設備必須以實際行業(yè)應用為依托，對主流的人工智能產品進行模型化重構，讓學生、老師可以和人工智能的行業(yè)應用進行無縫對接，輕而易舉的完成人工智能理論知識的成果轉化，做出一些看得見、摸得著人工智能項目應用。
6.1 配置方案
| 序號 | 名稱 | 數(shù)量 | 型號 | 單價 | 總價 | 備注 |
| 1 | AI人工智能實驗箱 | 40 | DB-SD23 | 30000 | 1200000 | |
| 2 | 實驗桌 | 套 | 20 | 6000 | 120000 | |
| 合計:132萬 含稅含運費安裝調試培訓 | ||||||
附:參數(shù)
DB-SD23 AI人工智能實驗箱
AI人工智能實驗箱：開啟您的AI學習之旅！
2017年，Transformer出現(xiàn)在一篇論文《 Attention Is All You Need》中被引入，并在自然語言處理中得到廣泛應用。
2022年：ChatGPT的橫空出世
2022年11月，OpenAI發(fā)布了基于Transformer模型的大型語言模型ChatGPT，引發(fā)了全世界的AI浪潮，被《大西洋》雜志評為“年度突破”，并稱其“可能會改變我們對工作方式、思考方式以及人類創(chuàng)造力的真正含義的想法”。
2023年：AI元年，全球競速，勢不可擋！
中國：國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，將人工智能列為國家戰(zhàn)略，目標到2030年成為世界領先者。
美國：發(fā)布《人工智能國家戰(zhàn)略》，持續(xù)加大投入，保持領先優(yōu)勢。
歐盟：發(fā)布《人工智能白皮書》，將人工智能視為歐洲未來經(jīng)濟增長引擎。
全球：人工智能在醫(yī)療、技術、教育、交通、金融、娛樂等領域廣泛應用，帶來前所未有的變革。
AI 的新時代已經(jīng)降臨，而你，準備好了嗎？
AI人工智能實驗箱專為高校人工智能教學打造的全功能平臺，讓您輕松掌握AI技術，開啟智能時代的大門！
三大核心優(yōu)勢，助您一路領先：
1. 由淺入深，循序漸進
從基礎的GPIO擴展到深度學習的AI視覺、AI聽覺，上海頂邦AI平臺提供完整的學習路徑，讓您一步步掌握AI知識體系，輕松應對各種挑戰(zhàn)。
2. 軟硬結合，實踐為王
AI人工智能實驗箱將理論與實踐完美結合，豐富的實驗項目讓您在實踐中學習，在應用中鞏固，真正將AI知識融會貫通。
3. 開放靈活，激發(fā)創(chuàng)新
開放的GPIO接口和模塊化設計，支持個性化功能開發(fā)，讓您將創(chuàng)意變?yōu)楝F(xiàn)實，打造屬于自己的AI項目。
用戶的評價：
1. 來自高校教師的評價：
“課程內容豐富，教學效果杠杠的，學生們都搶著學AI！”
“以前教AI，我頭都大了，各種理論知識，學生們聽得云里霧里。現(xiàn)在有了上海頂邦AI實驗箱，我輕松多了，直接讓學生做實驗，學得賊快！”
2. 來自學生的評價：
“以前我對AI一點都不懂，現(xiàn)在我都能開發(fā)自己的AI項目了！”
“課程由淺入深，循序漸進，小白也能輕松上手。老師講得也好，我聽得懂，學得會！”
3. 來自校領導的評價
“AI人工智能實驗箱能夠幫助學生快速掌握AI知識和技能。平臺提供的實驗項目也非常實用，能夠幫助學生將理論知識應用到實踐中。”
“我們相信，借助上海頂邦人工智能實驗箱，我們學校的AI教學水平將不斷提升，學生們也將能夠在未來的AI時代取得更大的成就。”
AI人工智能實驗箱不僅是學習AI的最佳工具，更是您通往AI未來的橋梁！
一、AI核心
GPU ：128核 NVIDIA Maxwell GPU
CPU ：4核cortex-A57處理器
內存：4 GB LPDDR 25.6 GB/s
算力：472 GFLOP
基于NVIDIA強大的Al計算能力，系統(tǒng)內核是一個小巧卻功能強大的計算機，它可以讓你并行運行多個神經(jīng)網(wǎng)絡、對象檢測、分割和語音處理等應用程序， 系統(tǒng)搭載四核cortex- A57處理器，128核Maxwell GPU及 4GB LPDDR內存，帶來足夠的Al計算能力，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、系統(tǒng)框架與AI框架
1. 系統(tǒng)預裝ubuntu18.04操作系統(tǒng)，所有環(huán)境代碼庫文件均已安裝，開機即用。
Ubuntu 18.04 LTS在云計算領域效率極高，特別適用于機器學習這樣的存儲密集型和計算密集型任務。Ubuntun 長期支持版本可以獲得 Canonical 官方長達五年的技術支持。Ubuntu 18.04 LTS 還將附帶了 Linux Kernel 4.15，其中包含針對 Spectre 和 Meltdown 錯誤的修復程序。
2. 提供詳細的python開源范例程序
根據(jù)TIOBE最新排名 ，Python已超越C#，與Java,C,C++一起成為全球前4大最流行語言。國內目前百度指數(shù)搜索量已經(jīng)超越Java，與C++，即將成為國內最受歡迎的開發(fā)語言。
Python被廣泛應用于后端開發(fā)、游戲開發(fā)、網(wǎng)站開發(fā)、科學運算、大數(shù)據(jù)分析、云計算，圖形開發(fā)等領域；Python在軟件質量控制、提升開發(fā)效率、可移植性、組件集成、豐富庫支持等各個方面均處于先進地位。python具有 簡單、易學、免費、開源、可移植、可擴展、可嵌入、面向對象等優(yōu)點，它的面向對象甚至比java和C#.net更徹底；
3. JupyterLab編程
JupyterLab是一個基于Web的交互式開發(fā)環(huán)境，用于Jupyter筆記本、代碼和筆記本、代碼和數(shù)據(jù).JupyterLab非常靈活配置和排列用戶界面，以支持數(shù)據(jù)科學、科學計算和機器學習中廣泛的工作流.JupyterLab是可擴展的和模塊化的編寫插件，添加新組件并與現(xiàn)有組件集成
4. 多種AI框架
OpenCV計算機視覺庫，TensorFlow AI框架，Pytorch AI框架等
三、AI人工智能實驗箱特點
支持多模態(tài)輸入，跨語言編程，優(yōu)化深度學習模型
人體姿態(tài)估計，應用于實際場景
實時背景移除，基于深度學習，高效實時移除背景
目標檢測，多目標檢測能力強
語義分割，像素級別的詳細分類，適用于環(huán)境感知
單目深度，無需特殊相機，利用全卷積網(wǎng)絡，可從單個圖像推斷相對深度，應用廣泛。
語音情感識別，采用Mobilenet_v2模型處理語音情感，輕量化、高效
六自由度機械臂，智能舵機，ROS控制，適用于AI視覺顏色分揀實驗
車牌識別，使用Teseract-OCR 引擎，識別準確率高，使用場景廣泛。
ROS機器人系統(tǒng)，跨平臺兼容，代碼開源，模塊化設計，通用性強靈活性高。
AI聽覺主板，具備高質量音頻處理和語音服務，搭載Snowboy喚醒詞檢測引擎，可以完成語音情感識別、圖靈機器人、語音對話等實驗。
在人工智能遍地開花的今天，人工智能在 各個領域都發(fā)揮了重要的作用，為產品賦能愈來愈稱為各大企業(yè)的追求。人工智能早已滲透到計 算機視覺、自動駕駛、自然語言處理、機器人技術、推薦系統(tǒng)、語音識別、航空航天等等領域。
AI人工智能實驗箱的學習主要分為兩個部分，第一部分為人工智能基礎，主要包括：相關數(shù)學基礎、編程基礎、機器學習、深度神經(jīng)網(wǎng)絡、ROS基礎與運動學。第二部分主要為實踐學習包括：GPIO與傳感器、機械臂、AI視覺、AI聽覺、物聯(lián)網(wǎng)。完成學習后，可以充分了解到人工智能最主流的相關應用。
1.相關數(shù)學基礎
2.編程基礎
3.機器學習
4.深度神經(jīng)網(wǎng)絡
5.機器運動學與ROS機器人
6.GPIO、傳感器基礎課程
7.機械臂課程
8.AI視覺課程
9.AI聽覺課程
AI人工智能實驗箱將理論與實踐完美結合，豐富的實驗項目讓您在實踐中學習，在應用中鞏固，真正將AI知識融會貫通。
3. 開放靈活，激發(fā)創(chuàng)新
開放的GPIO接口和模塊化設計，支持個性化功能開發(fā)，讓您將創(chuàng)意變?yōu)楝F(xiàn)實，打造屬于自己的AI項目。
用戶的評價：
1. 來自高校教師的評價：
“課程內容豐富，教學效果杠杠的，學生們都搶著學AI！”
“以前教AI，我頭都大了，各種理論知識，學生們聽得云里霧里。現(xiàn)在有了上海頂邦AI實驗箱，我輕松多了，直接讓學生做實驗，學得賊快！”
2. 來自學生的評價：
“以前我對AI一點都不懂，現(xiàn)在我都能開發(fā)自己的AI項目了！”
“課程由淺入深，循序漸進，小白也能輕松上手。老師講得也好，我聽得懂，學得會！”
3. 來自校領導的評價
“AI人工智能實驗箱能夠幫助學生快速掌握AI知識和技能。平臺提供的實驗項目也非常實用，能夠幫助學生將理論知識應用到實踐中。”
“我們相信，借助上海頂邦人工智能實驗箱，我們學校的AI教學水平將不斷提升，學生們也將能夠在未來的AI時代取得更大的成就。”
AI人工智能實驗箱不僅是學習AI的最佳工具，更是您通往AI未來的橋梁！
一、AI核心
GPU ：128核 NVIDIA Maxwell GPU
CPU ：4核cortex-A57處理器
內存：4 GB LPDDR 25.6 GB/s
算力：472 GFLOP
基于NVIDIA強大的Al計算能力，系統(tǒng)內核是一個小巧卻功能強大的計算機，它可以讓你并行運行多個神經(jīng)網(wǎng)絡、對象檢測、分割和語音處理等應用程序， 系統(tǒng)搭載四核cortex- A57處理器，128核Maxwell GPU及 4GB LPDDR內存，帶來足夠的Al計算能力，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、系統(tǒng)框架與AI框架
1. 系統(tǒng)預裝ubuntu18.04操作系統(tǒng)，所有環(huán)境代碼庫文件均已安裝，開機即用。
Ubuntu 18.04 LTS在云計算領域效率極高，特別適用于機器學習這樣的存儲密集型和計算密集型任務。Ubuntun 長期支持版本可以獲得 Canonical 官方長達五年的技術支持。Ubuntu 18.04 LTS 還將附帶了 Linux Kernel 4.15，其中包含針對 Spectre 和 Meltdown 錯誤的修復程序。
2. 提供詳細的python開源范例程序
根據(jù)TIOBE最新排名 ，Python已超越C#，與Java,C,C++一起成為全球前4大最流行語言。國內目前百度指數(shù)搜索量已經(jīng)超越Java，與C++，即將成為國內最受歡迎的開發(fā)語言。
Python被廣泛應用于后端開發(fā)、游戲開發(fā)、網(wǎng)站開發(fā)、科學運算、大數(shù)據(jù)分析、云計算，圖形開發(fā)等領域；Python在軟件質量控制、提升開發(fā)效率、可移植性、組件集成、豐富庫支持等各個方面均處于先進地位。python具有 簡單、易學、免費、開源、可移植、可擴展、可嵌入、面向對象等優(yōu)點，它的面向對象甚至比java和C#.net更徹底；
3. JupyterLab編程
JupyterLab是一個基于Web的交互式開發(fā)環(huán)境，用于Jupyter筆記本、代碼和筆記本、代碼和數(shù)據(jù).JupyterLab非常靈活配置和排列用戶界面，以支持數(shù)據(jù)科學、科學計算和機器學習中廣泛的工作流.JupyterLab是可擴展的和模塊化的編寫插件，添加新組件并與現(xiàn)有組件集成
4. 多種AI框架
OpenCV計算機視覺庫，TensorFlow AI框架，Pytorch AI框架等
三、AI人工智能實驗箱特點
支持多模態(tài)輸入，跨語言編程，優(yōu)化深度學習模型
人體姿態(tài)估計，應用于實際場景
實時背景移除，基于深度學習，高效實時移除背景
目標檢測，多目標檢測能力強
語義分割，像素級別的詳細分類，適用于環(huán)境感知
單目深度，無需特殊相機，利用全卷積網(wǎng)絡，可從單個圖像推斷相對深度，應用廣泛。
語音情感識別，采用Mobilenet_v2模型處理語音情感，輕量化、高效
六自由度機械臂，智能舵機，ROS控制，適用于AI視覺顏色分揀實驗
車牌識別，使用Teseract-OCR 引擎，識別準確率高，使用場景廣泛。
ROS機器人系統(tǒng)，跨平臺兼容，代碼開源，模塊化設計，通用性強靈活性高。
AI聽覺主板，具備高質量音頻處理和語音服務，搭載Snowboy喚醒詞檢測引擎，可以完成語音情感識別、圖靈機器人、語音對話等實驗。
四、硬件資源
一、硬件資源
| 功能單元 | 參數(shù) | 功能描述 |
| 實驗箱 | 外形尺寸：≥610*440*240mm； | 外箱采用鋁木合金材料，四周安裝尼龍防護墊，實驗箱體內部包含存儲空間，可以妥善存放模塊及配件，打開方式為按壓彈出。 |
| AI運算單元 |
GPU ：128核 NVIDIA Maxwell GPU； CPU ：4核cortex-A57處理器； 內存：4 GB LPDDR 25.6 GB/s； 算力：472 GFLOP； 核心擴展：擁有最少4個USB3.0接口，支持HDMI和DP視頻接口，一路M.2接口的單路PCIE，并安裝有散熱風扇， 40pin GPIO； 網(wǎng)絡：千兆以太網(wǎng)口、無線網(wǎng)卡支持2.4Ghz/5GHZ,支持藍牙4.2； |
安裝Ubuntu 18.04 LTS+ROS Melodic操作系統(tǒng)，集成JupyterLab開發(fā)環(huán)境、Anaconda 4.5.4虛擬環(huán)境，支持一系列流行的AI框架和算法，比如TensorFlow、caffe/caffe2、Keras、Pytorch、MXNET 等，系統(tǒng)安裝有OpenCV計算機視覺庫，TensorFlow AI框架，Pytorch AI框架。 |
| 機械臂 |
機械臂自由度：5自由度+夾持器，200g有效負載，臂展350mm； 舵機方案：15Kg*5+6Kg*1智能串行總線舵機； 材質：陽極氧化處理鋁合金； |
用于機器人運動學與機器人系統(tǒng)，可以完成夾持積木等動作。 |
| 嵌入式核心主板 |
接口：6個總線舵機接口， PWM舵機接口，i2C接口，除AI核心板外還支持STM32和Raspberry Pi； OLED:顯示CPU占用，顯示內存占用，顯示IP地址等基礎信息； 按鍵：K1+K2鍵+RESET鍵； 1 個RGB燈； |
用于支持機械臂動作。 |
| 攝像頭 | 采用USB接口，30萬像素，110度廣角攝像頭，480P分辨率（600*480） | AI視覺實驗，如垃圾分揀等實驗。 |
| AI聽覺單元 |
音頻芯片：采用SSS1629音頻芯片； 麥克風：板載兩個高質量MEMS硅麥克風； 接口：標準3.5mm耳機接口、雙通道喇叭接口； |
采用USB接口設計，免驅動，多系統(tǒng)兼容，可左右聲道錄音，音質更加。可以完成AI聽覺類實驗。 |
| 傳感器實驗模塊 |
傳感器實驗模塊將Jetson nano的GPIO接口引出，方便完成GPIO實驗，并且包含以下實驗課程：雙色LED、 繼電器、 輕觸開關按鍵、U 型光電傳感器、模數(shù)轉換、PS2 操縱桿、電位器、模擬霍爾傳感器、光敏傳感器、火焰報警、氣體傳感器、觸摸開關、超聲波傳感器距離檢測、旋轉編碼器、紅外避障傳感器、氣壓傳感器、陀螺儀加速度傳感器、循跡傳感器、直流電機風扇模塊、步進電機驅動模塊； |
傳感器實驗模塊可以更好的幫助學習者更加快速的入門Jetson nano的GPIO控制，從基礎入手，完成實驗項目。同時引出的GPIO和可移動的模塊也使我們后續(xù)的使用和開發(fā)更加方便。 |
| 顯示屏 | 10寸顯示屏，HDMI接口，1080P分辨率。 | 顯示屏傾斜安裝，傾斜角度大于5°。用于操作系統(tǒng)顯示。 |
| 鍵盤鼠標 | 干電池供電，無線藍牙連接。 | 用于系統(tǒng)控制。 |
五、AI人工智能課程
AI人工智能實驗箱在設計時，考慮到不同基礎學習者的需求，力求使用更易理解的學習方式傳遞更加詳細的知識。本實驗平臺對各類使用者均有一定的學習幫助，特別是在在校大學生和研究生，能夠幫助學生從初學逐漸過渡到深入學習。也可以幫助他們完成畢業(yè)設計或者學術論文。在人工智能遍地開花的今天，人工智能在 各個領域都發(fā)揮了重要的作用，為產品賦能愈來愈稱為各大企業(yè)的追求。人工智能早已滲透到計 算機視覺、自動駕駛、自然語言處理、機器人技術、推薦系統(tǒng)、語音識別、航空航天等等領域。
AI人工智能實驗箱的學習主要分為兩個部分，第一部分為人工智能基礎，主要包括：相關數(shù)學基礎、編程基礎、機器學習、深度神經(jīng)網(wǎng)絡、ROS基礎與運動學。第二部分主要為實踐學習包括：GPIO與傳感器、機械臂、AI視覺、AI聽覺、物聯(lián)網(wǎng)。完成學習后，可以充分了解到人工智能最主流的相關應用。
1.相關數(shù)學基礎
| 教學課程 | 課程內容 |
| 矩陣論 | 標量、向量、矩陣、張量 |
| 矩陣和向量相乘 | |
| 單位矩陣和逆矩陣 | |
| 線性相關和生成子空間 | |
| 范數(shù) | |
| 特殊類型的矩陣和向量 | |
| 跡運算 | |
| Moore-Penrose偽逆 | |
| 概率與信息論 | 隨機變量與概率分布 |
| 離散型變量與概率分布律 | |
| 常見的離散型概率分布 | |
| 連續(xù)型變量和概率密度函數(shù) | |
| 常見的連續(xù)性概率分布 | |
| 聯(lián)合概率 | |
| 邊緣概率 | |
| 條件概率 | |
| 獨立性和條件獨立性 | |
| 期望、方差和協(xié)方差 | |
| 信息論 |
| 教學課程 | 課程內容 |
| 變量與基本數(shù)據(jù)類型 | 變量 |
| 基本數(shù)據(jù)類型 | |
| 列表和元組 | 列表 |
| 元組 | |
| 字典與集合 | 字典 |
| 集合 | |
| 類和對象 | 面向對象概述 |
| 類的定義和使用 | |
| 屬性 | |
| 繼承 | |
| 模塊化程序設計 | 函數(shù)創(chuàng)建和調用 |
| 參數(shù)傳遞 | |
| 深度學習框架簡介 | TensorFlow |
| PyTorch | |
| Caffe/caffe2 | |
| PaddlePaddle | |
| Linux開發(fā)環(huán)境簡介 | Ubuntu操作系統(tǒng) |
| 常用命令行 |
| 教學課程 | 課程內容 |
| 基本概念 | 訓練集、測試集、驗證集 |
| 過擬合、欠擬合、泛化 | |
| 學習率、正則化、交叉驗證 | |
| K-近鄰算法 | 基本概念 |
| K的選取 | |
| 距離的度量 | |
| 支持向量機 | 間隔與支持向量 |
| 對偶問題 | |
| 核函數(shù) | |
| 軟間隔與正則化 | |
| K-均值聚類 | K-均值聚類 |
| 決策樹和隨機森林 | 決策樹的基本概念 |
| 選擇最佳劃分標準 | |
| 隨機森林 | |
| 神經(jīng)網(wǎng)絡 | 神經(jīng)元模型 |
| 感知器 | |
| 多層感知器 | |
| 經(jīng)驗風險和結構風險 | |
| 梯度下降和反向傳播 | |
| RBF網(wǎng)絡 | |
| 超限學習機 | |
| 神經(jīng)網(wǎng)絡訓練技巧 |
| 教學課程 | 課程內容 |
| 人工智能 | 人工智能、機器學習與深度學習 |
| 深度學習 | 深度學習的發(fā)展歷程 |
| 卷積神經(jīng)網(wǎng)絡 | 發(fā)展歷程 |
| 基本結構 | |
| 前饋運算與反向傳播 | |
| 相關性質 | |
| 卷積神經(jīng)網(wǎng)絡變種 | |
| 常用卷積神經(jīng)網(wǎng)絡模型 | |
| 循環(huán)神經(jīng)網(wǎng)絡 | 循環(huán)神經(jīng)網(wǎng)絡簡介 |
| 長短時記憶網(wǎng)絡神經(jīng) | |
| 循環(huán)神經(jīng)網(wǎng)絡的變體 | |
| 生成對抗網(wǎng)絡 | 生成對抗網(wǎng)絡簡介 |
| 生成對抗網(wǎng)絡基本結構 | |
| 生成對抗網(wǎng)絡變種 |
| 實驗課程 | 課程內容 |
| ROS基礎與運動學 | ROS基礎課程 |
| ROS創(chuàng)建工程項目 | |
| 自定義消息 | |
| Server通訊 | |
| 機械臂URDF模型 | |
| 機械臂運動學正反解 | |
| MoveIt配置 | |
| 智能串行總線舵機 | |
| PC上位機控制 | |
| 機械臂自定義學習動作組 | |
| 機械臂關節(jié)弧度及末端姿態(tài)控制 | |
| 機械臂工作區(qū)域內抓取、搬運 | |
| 6自由度逆運動學控制 |
| 實驗課程 | 課程內容 |
| Jetson nano GPIO課程 | 雙色LED控制 |
| 電位器檢測 | |
| 繼電器控制 | |
| 輕觸開關按鍵 | |
| PCF8591模數(shù)轉換 | |
| PS2操縱桿 | |
| 觸摸開關控制 | |
| 直流電機風扇 | |
| 步進電機驅動 | |
| 傳感器實驗課程 | 模擬霍爾傳感器 |
| 模擬溫度傳感器 | |
| 火焰報警 | |
| 煙霧傳感器 | |
| 超聲波傳感器距離檢測 | |
| 旋轉編碼器 | |
| 紅外避障傳感器 | |
| BMP180氣壓傳感器 | |
| MPU6050陀螺儀加速度傳感器 | |
| 循跡傳感器 |
| 實驗課程 | 課程內容 |
| 機械臂基礎課程 | 用戶按鍵控制 |
| 蜂鳴器控制實驗 | |
| OLED控制實驗 | |
| 控制單個舵機 | |
| 同時控制6個舵機動作 | |
| 讀取舵機當前位置 | |
| 機械臂關節(jié)標定實踐 | |
| 機械臂關節(jié)弧度及末端姿態(tài)控制 | |
| 機械臂舞蹈表演 | |
| 機械臂搬運色塊實踐 | |
| 機械臂搬運碼垛色塊實踐 | |
| 機械臂抓取工作區(qū)域九點標定 | |
| 機械臂抓取工作區(qū)域物塊測試 |
| 實驗課程 | 課程內容 |
| AI視覺開發(fā)課程 | 安裝和使用Matplotlib、Pyplot 和 Numpy |
| 在OpenCV中運行攝像頭 | |
| JetCam庫中測試USB攝像頭 | |
| OpenCV讀取、寫入和顯示圖像 | |
| OpenCV讀取、顯示和保存視頻 | |
| OpenCV繪圖函數(shù)使用 | |
| OpenCV圖像質量和像素操作 | |
| OpenCV圖片剪切 | |
| OpenCV圖片平移 | |
| OpenCV圖片鏡像 | |
| OpenCV仿射變換 | |
| OpenCV圖片縮放 | |
| OpenCV圖片旋轉 | |
| OpenCV圖片處理 | |
| OpenCV灰度處理 | |
| OpenCV圖像美化 | |
| OpenCV邊緣檢測 | |
| OpenCV二值化處理 | |
| OpenCV矩形圓形繪制 | |
| OpenCV文字圖片處理 | |
| OpenCV線段繪制 | |
| OpenCV彩色圖片直方圖 | |
| OpenCV直方圖均衡畫 | |
| OpenCV圖片修補 | |
| OpenCV亮度增強 | |
| OpenCV高斯均值濾波 | |
| OpenCV磨皮美白 | |
| OpenCV中值濾波 | |
| AI視覺與機械臂綜合課程 | 顏色檢測 |
| 臉部和眼睛檢測 | |
| 行人檢測 | |
| 汽車檢測 | |
| 車牌檢測 | |
| 目標追蹤 | |
| 定位物體實時位置 | |
| 攝像頭機械臂物體追蹤 | |
| 攝像頭機械臂人臉追蹤 | |
| 色塊抓取分揀實驗 | |
| 攝像頭ArucoTag識別抓取實驗 | |
| AI人工智能機械臂與主人互動實踐 | |
| AI人工智能機械臂手勢識別抓取指定色塊進行碼垛 | |
| AI人工智能機械臂垃圾分類實踐 | |
| 嵌入式視覺應用 | 圖像分類 |
| 物體檢測 | |
| 語義分割 | |
| 目標檢測 | |
| 人體姿態(tài)動作識別 | |
| 背景移除 | |
| 單眼深度圖 |
| 實驗課程 | 課程內容 |
| AI聽覺領域前沿算法 | 連接時序分類模型 |
| Attention模型 | |
| 基于HMM的語音識別 | |
| Transformer | |
| AI聽覺綜合實戰(zhàn) | AI聽覺領域前沿算法 |
| 在線語音合成 | |
| 語音聽寫流式 | |
| 圖靈機器人 | |
| AIUI | |
| VAD端點檢測 | |
| 小薇機器人語音對話 | |
| Snowboy語音喚醒 | |
| 語音情感識別 | |
| 基于 Kaldi 的語音識別實踐 |
