Lesson 1
通用图像识别
课程内容：
本节课通过调用百度图像识别API，让学生初步认识人工智能以及目前人工智能的现状
知识点：
1.初识人工智能
2.API
3.查看技术文档
4.调用API实现图像识别功能
Lesson 2
EasyDL定制化物体检测
课程内容：
本节课通过使用EasyDL定制化训练平台，手工训练一个物体检测模型，让学生初步接触到训练人工智能模型的步骤。
知识点：
1.人工智能的发展历史
2.EasyDL定制化训练平台
3.手动训练物体检测模型
4.生成API，在程序中调用训练的模型
Lesson 3
识别鸢尾花
课程内容：
本节课通过利用鸢尾花不同品种的花瓣、花萼的大小差异，使用决策树算法进行机器学习，训练能识别鸢尾花品种的分类器。
知识点：
1.Sklearn模块介绍
2.特征提取
3.决策树算法
4.训练识别鸢尾花的分类器
Lesson 4
语音识别
课程内容：
本节课介绍了语音识别相关知识以及语音识别的流程，并通过百度语音的API制作了一个通过语音控制电脑的程序
知识点：
1.了解语音识别
2.语音识别的流程
3.调用语音识别API
4.通过API识别的结果对电脑进行控制
Lesson 5
图像风格转换
课程内容：
本节课介绍了计算机视觉领域，并介绍了如何来识别图像的边缘，通过OpenCV库加载已经训练好的神经网络模型进行图像风格转换。
知识点：
1.了解计算机视觉领域
2.图像边缘识别
3.使用OpenCV库
4.使用已经训练好的模型进行风格转换
Lesson 6
神经网络——感知器
课程内容：
本节课开始了解神经网络，通过介绍生物的神经元传输引出早期的人工神经网络，并开始学习人工神经网络的基础单元——感知器
知识点：
1.人工神经网络的起源
2.M-P神经元模型
3.感知器数学模型
4.反向传播
Lesson 7
多层神经网络——手写体识别（一）
课程内容：
本节课主要学习数据集的预处理，以及使用keras搭建多层神经网络模型
知识点：
1.Keras介绍
2.mnist数据集下载及处理
3.搭建多层神经网络模型
Lesson 8
多层神经网络——手写体识别（二）
课程内容：
本节课在上节课的基础上开始对多层神经网络模型进行编译、训练，并将训练好的模型保存为本地文件夹，随时读取使用。
知识点：
1.编译神经网络模型
2.训练神经网络模型
3.保存模型
4.读取并使用神经网络模型
Lesson 9
人脸识别系统（一）
课程内容：
本节课主要通过Qt designer软件来设计出程序的UI界面，并通过OpenCV库来开启摄像头并在程序界面上显示出来，电脑程序里面常见逻辑的处理
知识点：
1.Qt designer的使用
2.Pyqt5搭建程序UI
3.将程序的UI界面代码和逻辑代码分离
4.通过OpenCV库来开启摄像头并在程序界面上显示出来
Lesson 10
人脸识别系统（二）
课程内容：
本节课修复上节课关闭程序后没有完全释放摄像头的bug并实现了拍照的功能，绘制出信息录入的UI界面
知识点：
1.通过OpenCV释放摄像头
2.常见消息弹窗设置
3.实现拍照功能
4.绘制信息录入的UI界面
Lesson 11
人脸识别系统（三）
课程内容：
本节课将上节课绘制的信息录入窗口显示出来，并实现信息录入的功能，并优化程序逻辑结构
知识点：
1.显示信息录入窗口
2.实现信息录入功能
3.优化程序逻辑
Lesson 12
人脸识别系统（四）
课程内容：
本节课详解介绍了实现人脸识别的流程并实现了人脸识别功能，实现了将识别的人脸信息显示在程序界面上
知识点：
1.识别模块的应用
2.OpenCV将识别到的人脸标记出来
3.显示人脸数据的个人信息
