人工智能微专业介绍

点击上面“蓝字”关注我们！

天津工业大学人工智能微专业介绍

/ 01 /

培养目标

使学习者通过灵活、系统的培养，能够具备人工智能方面一定的学术专业素养，并能够结合本专业的知识背景，培养基础理论扎实、专业知识宽厚的，能够主动适应以人工智能为引领的新技术、新业态、新模式、新产业的企业高端人才。

/ 02 /

专业核心课程

python程序设计基础

机器人工程实训

图像处理与机器视觉

机器学习与模式识别、深度学习

/ 03 /

培养要求

1.

具有本专业知识与人工智能方向相结合的自主学习的意识和能力。

2.

能够通过多种途径学习、拓展自己“人工智能+”的知识结构。

3.

可从事融合人工智能知识的本专业相关领域的应用研究、技术开发及技术服务等工作。

/ 04 /

课程介绍

1

python程序设计基础

python程序设计基础是一门人工智能领域目前主流的编程语言。课程内容主要包括：脚本语言程序设计的基本知识，程序设计的基本方法，程序设计的基本理论、方法和应用，如何正确而熟练地使用Python进行程序设计。

2

图像处理与机器视觉

图像处理与机器视觉是人工智能和电子信息工程的专业方向课，是专业理论课信号与系统、数字信号处理在图像、视频处理领域偏重应用实践的课程。通过学习，使学生掌握图像处理和机器视觉的基本方法，熟悉实际应用中使用较为广泛的图像、视觉问题求解算法，了解其在各个领域的相关应用，并通过典型应用实例加深了解。

3

机器学习与模式识别

机器学习与模式识别主要研究计算机识别物体的机理，该课程的学习将为数据分析与处理以及人工智能等领域的学习打下基础。主要分为两大部分：第一部分主要介绍机器学习，包括多项式回归、正则方程、逻辑回归、神经网络、深度置信网络、卷积神经网络等，第二部分主要介绍模式识别，包括模式识别的基本概念、基本原理、典型方法、实用技术以及有关研究的新成果，并通过编程实践和典型应用实例加深了解算法的主要思想和运用方法。

4

深度学习

介绍深度学习Deep Learning的基础知识和基本思想，介绍Caffe 、Tensorflow、PyTorch等深度学习主流框架结构；重点讲解Deep Learning-CNN卷积神经网络、Deep Learning- RNN循环神经网络、Deep Learning-GAN生成对抗网络，介绍强化学习、迁移学习；并以TensorFlow框架为平台实践深度学习的常用模型。

5

机器人工程实训

机器人工程是以控制科学与工程、机械工程、计算机科学与技术、人工智能等学科中涉及的机器人科学技术问题为研究对象，综合应用自然科学、工程技术等相关学科的理论、方法和技术，研究机器人的智能感知、优化控制与系统设计、人机交互模式等学术问题的一个多领域交叉的前沿学科。本课程以工业、民用自动化控制为应用背景，以机器人系统设计为课程中心，通过讲解、设计实际应用案例进行机器人工程知识体系的认知与学习，并可以结合自身专业达到综合应用的要求。

/ 05 /

报名方式

已返校复课方案

1、咨询方式：电话83955821；人工智能微专业咨询QQ群703346896

2、报名方式：在咨询群下载《报名申请表》。填写完整并签字的报名申请表、学院出具的纸质成绩单各一份（可附获奖证书复印件等材料），交人工智能学院教学办4D309。

未返校复课方案

1、咨询方式：电话83955821；人工智能微专业咨询QQ群703346896

2、报名方式：在咨询群下载《报名申请表》。填写完整的报名申请表、学院出具的成绩单电子版各一份（可附获奖证书扫描件等材料），发送至邮箱seek2000@163.com。

图文来源：人工智能学院

编辑：谢美琪、蒋闯