各位小伙伴们，我是这个公众号的运营人员，今年我在北京交通大学开了一门面向全校的《人工智能与大数据应用实战》课程，课程号：C404004B，交通、土木、规划、金融、计算机等领域的本科生和研究生都可以选，欢迎大家选课交流哇！也欢迎大家推荐给身边的同学和学弟学妹们选课！年轻老师第一次上课都比较用心，不管任何专业方向，只要好好学，老师承诺肯定会有不错的成绩的！！！

上课时间：1-16周，周五第4节课
上课地点：北京交通大学东区一教 DQ102

课程寄语

其实我本人是学交通工程的，但做人工智能和交通数据挖掘这个研究方向已经有三四年了，从最初的艰难起步，到现在有了一点点积淀，中间确实经历了很多痛苦。对于像我这样的非计算机专业的学生，不管是交通领域、土木领域、金融领域、规划领域等，在这样一个人工智能和大数据时代背景下，如何轻松的入门这个领域，敲代码，学一些大数据和人工智能基础知识，我想我还是有很大的发言权的。在这节课上，我想把这几年学到的经验，吸取的教训，一点点分享给大家，争取让大家在科研的道路上，少走一些弯路，走的快一些，稳一些~我们课堂上见！

课程简介

本课程以人工智能和各类大数据为主线，聚焦交通大数据，兼顾土木大数据、金融大数据、图像大数据等，专注于计算机科学与其他行业的深度交叉融合，旨在通过一些AI和大数据领域的基础知识讲解和案例实战应用，培养学生的学科交叉思维、大数据思维和编程能力、掌握基本的人工智能建模技术等。该课程以案例应用实战为主，主要分为四部分内容，包括基于数据分析的Python编程语言基础、人工智能基础模型简介及其编程实现、交通大数据处理与可视化、人工智能与大数据应用实战（该部分为主体部分，包含三个交通大数据案例实战、一个土木大数据案例实战、和一个金融大数据案例实战）。

本课程拒绝大规模理论公式讲解，以案例实战为主，任何专业背景都不用担心课堂难度的问题！

课程内容

（1）基于数据分析的Python编程语言基础

基本的编程能力是开展所有数据科学和人工智能相关研究的重要基础之一，因此本课程第一部分主要讲解Python编程语言基础，包括Python基本语法讲解以及从数据分析角度借助小案例实战讲解学习NumPy、Pandas、SciPy、scikit-learn、Matplotlib等最常用模块，使学生熟悉Python的基本操作和常用软件包的一些常用函数，掌握基本的编程能力和数据处理能力。

（2）人工智能基础模型简介及其编程实现

具备一定的编程能力之后，本课程拟进行人工智能相关模型算法的理论讲解与实战应用。该部分主要围绕深度学习，首先讲解前向传播、反向传播算法、RNN、LSTM、GRU、2D CNN、3D CNN等基础模型，以及ConvLSTM、ResNet、Transformer、GAN等进阶模型，在此基础上从数据分析角度讲解深度学习框架PyTorch基础模块，包括数据模块、网络模块、激活函数模块、训练测试模块、模型保存与重载模块、模型可视化模块，并利用该框架实现上述基础模型。该部分教学可使学生掌握基本的人工智能理论，并借助PyTorch深度学习框架实现部分基础人工智能模型。

（3）大数据处理与可视化

大规模交通数据处理是开展研究的首要工作，当交通数据规模巨大时，需借助数据库等进行数据预处理，因此该部分拟进行Oracle数据库基础知识讲解，主要用于处理特大规模交通数据。处理完成的数据有时需要进行可视化，以对数据进行直观的把握和了解，因此该部分也会进行基于ArcGIS的地理信息系统基础知识讲解，主要用于对交通数据进行可视化。该部分教学可使学生掌握大规模交通数据分析和可视化能力。

（4）人工智能与大数据应用实战（三个交通大数据案例实战、一个土木大数据案例实战、和一个金融大数据案例实战）

该部分为实战应用部分，旨在融合并巩固前面三部分的学习成果，进行系统的实战应用。该部分主要包括地铁和公交智能卡数据、出租车GPS数据、高速公路流量数据、土木工程领域轨道磨耗数据、金融领域基金和股票净值数据等的数据预处理以及主流研究方向简介，并从数据获取、数据预处理以及基于PyTorch的深度学习与大数据应用实战三个方面指导学生实现三个完整的应用案例。该部分教学成果可使学生掌握全局的、体系化的大数据处理和人工智能实战应用能力。

以上四部分内容环环相扣，前三部分内容为基本技能培训以及基础知识讲解，第四部分内容为应用实战部分，前三部分内容主要服务于第四部分应用实战内容。