2020年8月8日由信息技术新工科产学研联盟主办，北京奇观技术有限责任公司承办的“大数据与人工智能师资培训班暨奇观第十三期全国高校大数据与人工智能师资培训班”开班仪式以线上直播的方式成功举办。信息技术新工科产学研联盟师资培训工作委员会主任、新工科联盟办公室主任束传政，公司总经理杨植森出席开班仪式并发表讲话。
.jpg)
本次师资培训班吸引了来自北京航空航天大学、中国民航大学、哈尔滨工业大学（深圳）、西安电子科技大学、上海海洋大学、兰州理工大学、河南理工大学、湖北工业大学、沈阳师范大学、中南民族大学、汉口学院、三峡大学、北方民族大学等40余所高校80余名骨干教师参与培训。
.jpg)
开班仪式上，束传政主任发表了热情洋溢的致辞，首先肯定并赞赏了奇观技术在本次师资培训承办筹备中所做的工作，并对奇观寄予厚望；其次，详细的介绍了信息技术新工科产学研联盟在教育部、工信部的指导下，支持落实教育部“十百万计划”的情况，教育部高教司理工处对新工科师资培训有明确的几点要求：1、每年培训不少于2000名新工科类教师，2、既要有理论教学、也要有实践教学；既要有高校专家，也要有行业工程师；3、每期培训至少帮助教师回去开设一门课程。最后，束主任对本次参训教师也提出了要求和期望，要求能够学有所获，将学到的成果和方法回去切实利用到课程教学改革中，提升课程的教学水平，期望成为火种，带动其他同事学习新知识，新技能，建立好学科专业。
.jpg)
杨植森代表奇观公司对放弃假期休息时间来为自己充电的老师、领导表示热烈的欢迎。详细的阐述了本次师资培训的技术方向，并从课程设置、师资搭配、在线实战平台配备以及培训证书等四个方面对本次培训的特色进行了总结。最后表示期望参训老师在本次培训结束后能够带走知识、留下友谊，与奇观建立更紧密的联系。未来，除了在云计算、大数据、人工智能等专业建设和实验室建设合作之外，奇观的工程教育认证系统平台及咨询服务方面也都愿意为更多的院校提供支持和帮助。
在随后的五天时间里，中央民族大学苏宇楠教授、武汉理工大学马聪聪博士、北京奇观教育研究院周志强博士围绕Python编程、机器学习、人工智能、数据挖掘、深度学习、卷积神经网络CNN、目标检测等方面展开了深度讲解。本次培训课程设置更科学、更专业、更务实，在学习专业基础课理论知识之外，握紧时代脉搏，设置系列实战课程，实战型课程内容源于真实行业应用场景，进一步扩充老师的理论知识，提升老师实战操作能力。讲师团队既有高校的专家教授，又有具有丰富实战经验的行业工程师，从政策、理论和实践三个层面为老师们提供最有效的师资保障。同时提供足额实战平台，开放丰富教学资源：提供方便快捷的在线实验平台，享受独占资源空间，开放平台配备的丰富课程资源、实验案例以及行业数据，做到让老师们拿来即用。培训结束后，经过考核，参训教师可以获得由信息技术新工科产学研联盟颁发的新工科师资培训证书。
培训日程如下：
|
日程 |
课程 |
培训内容 |
培训描述 |
备注 |
|
8月8日
09:00-09:15 |
开班仪式 |
领导致辞 |
信息技术新工科产学研联盟师资培训工作委员会主任、
信息技术新工科产学研联盟办公室主任 束传政 |
|
|
北京奇观技术有限责任公司总经理 杨植森 |
||||
|
8月8日
DAY 1
09:15-12:00 |
Python基础 |
Jupyter notebook工具入门 |
掌握Python开发环境，能够使用python的科学计算包numpy，sympy和math库，能够使用python解决一些实际问题。 |
授课人：马聪聪博士 |
|
Python编码规范 |
||||
|
numpy科学计算 |
||||
|
math库 |
||||
|
sympy库入门 |
||||
|
8月8日
DAY 1
14:00-17:00 |
人工智能 |
人工智能的分类 |
了解人工智能的分类，人工智能的发展和基本要素，掌握人工智能的典型案例。
|
|
|
先天和后天 |
||||
|
人工智能的发展和基本要素 |
||||
|
猫狗识别案例 |
||||
|
8月9日
DAY 2
09:00-12:00 |
机器学习 |
机器学习方法 |
了解机器学习的方法、基本概念，掌握机器学习库sklearn。掌握机器学习的典型算法如线性回归和决策树。 |
|
|
机器学习的基本概念 |
||||
|
机器学习库sklearn |
||||
|
线性回归 |
||||
|
决策树 |
||||
|
8月9日
DAY 2
14:00-17:00 |
数据挖掘 |
数学基础 |
了解数据挖掘方法的数学基础；
掌握数据挖掘基本流程和套路；
能够实现利用机器学习经典算法进行有监督学习过程。 |
授课人：苏宇楠教授 |
|
基本流程 |
||||
|
十大算法 |
||||
|
数据挖掘方法实战 |
||||
|
8月10日
DAY 3
09:00-12:00 |
深度学习 |
神经网络 |
Tensorflow实现手写数字识别；
多层神经网络，卷积神经网络与循环神经网络实现手写数字识别案例（MNIST）。 |
|
|
TensorFlow深度学习 |
||||
|
8月10日
DAY 3
14:00-17:00 |
深度学习基本框架结构 |
深度学习环境搭建 |
了解ResNet基本原理和网络框架，熟悉ResNet核心技术应用。 |
授课人：周志强博士 |
|
ResNet基本原理和网络框架 |
||||
|
ResNet实现 |
||||
|
8月11日
DAY 4
09:00-12:00 |
卷积神经网络CNN |
CNN卷积神经网络 |
了解CNN网络基本框架及其改进，掌握CNN网络框架的核心技术。 |
|
|
CNN神经网络改进 |
||||
|
深度学习的模型训练技巧 |
||||
|
梯度下降的优化方法详解 |
||||
|
8月11日
DAY 4
14:00-17:00 |
目标检测/识别基础 |
目标检测识别基本概念 |
了解传统的目标检测识别方法，理解基于深度学习的目标检测识别方法。 |
|
|
传统的目标检测识别方法 |
||||
|
基于深度学习的目标检测识别方法 |
||||
|
8月12日
DAY 5
09:00-12:00 |
基于YOLO的目标检测/识别 |
YOLO系列算法模型详解 |
掌握YOLO算法模型基本原理，网络框架及其应用。 |
|
|
YOLO系列算法改进 |
||||
|
YOLO算法应用 |
||||