AI 与数据科学方向 · 课程资源包

简介

面向人工智能与数据科学方向的教学素材库，覆盖机器学习、深度学习、强化学习、图像处理与数据挖掘。

目录结构

01-MWORKS 软件基础功能/
├── MWORKS Syslab2026b/       # 基础功能讲义 + 案例代码
├── MWORKS Sysplorer 2026b/   # 基础功能讲义 + 混合仿真案例
├── MWORKS.Sysblock 2026b/    # 基础功能讲义 + SysblockExample
└── Mogick 快速入门.pdf
02-专业课程培训资料/
├── 01-MWORKS.Syslab 机器学习工具箱应用/
├── 02-MWORKS.Syslab 深度学习工具箱应用/
└── 03-MWORKS.Syslab 强化学习工具箱应用/
03-典型案例/
├── 图像处理APP/
├── 图像处理实验/                          # 含图片资源
├── 图像处理综合教学案例库/
│   ├── 01_图像增强与去噪
│   ├── 02_边缘检测与形态学
│   ├── 03_图像分割与区域分析
│   ├── 04_工业视觉检测
│   └── 05_遥感与场景分析
├── 数据挖掘图像处理/
├── 深度学习与强化学习案例/
└── 深度学习综合教学案例库/
    ├── 01_深度学习基础
    ├── 02_CNN图像分类
    ├── 03_序列与时间序列
    ├── 04_生成式模型
    ├── 05_图神经网络
    ├── 06_模型部署与迁移
    └── 深度学习综合教学案例素材包/

适用专业

人工智能、数据科学与大数据技术、计算机科学与技术、软件工程、自动化、电子信息工程、统计学、应用数学，以及开设“机器学习”“深度学习”“数字图像处理”“模式识别”课程的相关专业。

教学场景

• 专业选修课实验：机器学习 / 深度学习工具箱课程按工具箱能力组织，适合 16～32 学时的实验课。
• 图像处理课程实验：图像增强、去噪、边缘检测、形态学、分割与区域分析，每个案例可独立运行，适合单次 2 学时实验。
• 综合课程设计：深度学习综合教学案例库 按“基础 → CNN → 序列 → 生成式 → 图网络 → 部署”递进，可作为 2～3 周课程设计的选题池。
• 学科竞赛与毕业设计：工业视觉检测（金属表面缺陷）、遥感场景分析、ONNX 模型导入等案例贴近工程问题，可作赛题或毕设起点。
• 课堂演示：图像处理 APP、图像处理实验提供交互式演示，适合在理论课上现场展示参数对结果的影响。

视频课程

使用说明

• 各案例以 README.md + 单个 .jl 脚本 组织，脚本可独立运行；部分素材放在案例库的 素材包 目录，缺失时脚本会回退到内置演示数据。
• 运行结果与收敛情况依赖工具箱版本和数据文件，请以实际运行输出为准，不要仅凭目录存在判断案例可用。
• 教师二次开发时，建议保留原案例目录与 README，新增内容单独建目录，便于后续版本合并。

版本说明

V0.0.1，2026-10-21 16:35

• 初始版本

使用许可

本模型库版权由MoHub版权所有，未经许可，不得用于商业用途。