精华内容
下载资源
问答
  • 高校大学生课堂教学效果影响因素调查分析,吴传俭,,从提高大学生课堂教学效果目的出发,调查了市场营销、国际贸易和会计学个专业9个班级的课堂效果,调查课程包括《统计学》《经�
  • 目前已经开设和即将开设的机器人课程的完整和准确的时间表,更多大学相关课程,可以通过访问大学课程页面访问进行查询。本页面概述了机器人部门教授的课程。 所有带有“16-”前缀的课程均由机器人部门提供。其他...

    卡内基梅隆大学机器人研究所课程分享(www.ri.cmu.edu/education/courses/

    机器翻译如下:


    课程大纲

    目前已经开设和即将开设的机器人课程的完整和准确的时间表,更多大学相关课程,可以通过访问大学课程页面访问进行查询。本页面概述了机器人部门教授的课程。

    所有带有“16-”前缀的课程均由机器人部门提供。其他提供机器人学教授课程的部门是计算机科学(CS),电气和计算机工程(ECE),机械工程(MechE),统计学(Stat),心理学(心理学),泰珀商学院(GSIA)和复杂工程系统研究所(ICES)。

    在网站上查找已经注册的机器人16-xxx课程的基本流程如下:

    1. 转到:课程安排课程搜索。
    2. 选择“学期/年”
    3. 从部门列表中选择“SCS:Robotics(16-xxx)”
    4. 点击“RETRIEVE SCHEDULE”

    研究生课程

    16-623   高级计算机视觉应用程序

    教授: Simon Lucey

    课程描述: 
    计算机视觉是一种试图从图像和视频中提取信息的学科。地球上几乎每个智能设备都有一个摄像头,人们越来越关注如何开发使用计算机视觉的应用程序来执行不断扩展的事物列表,包括:3D映射,照片/图像搜索,人/物体跟踪,增强现实等。本课程面向熟悉计算机视觉的研究生,并希望了解更多有关智能设备和嵌入式系统中应用最先进的视觉方法的知识。强大的编程背景是必须的(至少对C / C ++有很好的了解),主题将包括使用传统的计算机视觉软件工具(OpenCV,MATLAB工具箱,VLFeat,CAFFE,Torch 7),使用移动视觉库(如GPUImage,Metal和快速数学库,如Armadillo和Eigen)在iOS设备上进行开发。为了保持一致性,所有应用程序开发都将在iOS中进行,并且预计参与该类的所有学生都可以访问运行OS X Mavericks或更高版本的基于Intel的MAC。虽然课程将集中在一个操作系统上,但从这个课程中获得的知识很容易推广到其他移动平台,如Android等。

    课程主页

    16-642   操作、估计和控制

    教授: George A. Kantor

    课程描述:
    本课程概述了当前允许机器人进行定位并与世界互动的技术。机电系统的运动学和动力学将特别关注它们在机器人手臂上的应用。将讨论机器人控制的一些基本原理,从独立联合PID跟踪到耦合计算扭矩方法。机器人移动的实践和理论将通过各种移动机器人平台进行调查,包括轮式和履带式车辆以及腿式机器人。通过实际演示和实验作业,将提供课堂上一些主题的实践经验。请注意,本课程仅适用于MRSD学生。

    预备要求:

    • 仅限MRSD学生

    16-650   机器人系统工程与管理

    教授: 迪米特里奥斯(迪米)Apostolopoulos

    课程描述: 
    实际上我们周围的一切都是一个系统 - 从口袋里的手机到天空中的国际太空系统。系统的复杂性越高,其创建者就越多地将正式流程应用于其在“系统工程”下统称的开发流程中受益。系统工程是一个正式的学科,指导产品从概念和设计到所有生产,营销,服务和处置的方式。在本课程中,我们将研究系统工程的基本要素,因为它们适用于机器人系统的开发。我们将涵盖需求分析,需求获取和形式化,系统架构开发,贸易研究,验证和验证等主题。此外,对于本课程,我们将涵盖项目管理的核心主题,必须与系统工程一起执行,以实现成功的项目和产品。对于项目管理,我们将涵盖工作分解结构,计划,估算和风险管理。我们将在项目管理中研究经典和敏捷方法。学生将在MRSD项目课程I和II中应用本课程的大部分内容,从而使他们有机会将理论付诸实践,进行真实的产品设计活动。请注意,本课程仅适用于MRSD学生。(过去的项目示例:http://mrsd.ri.cmu.edu/project-examples/)对于项目管理,我们将涵盖工作分解结构,计划,估算和风险管理。我们将在项目管理中研究经典和敏捷方法。学生将在MRSD项目课程I和II中应用本课程的大部分内容,从而使他们有机会将理论付诸实践,进行真实的产品设计活动。请注意,本课程仅适用于MRSD学生。(过去的项目示例:http://mrsd.ri.cmu.edu/project-examples/)对于项目管理,我们将涵盖工作分解结构,计划,估算和风险管理。我们将在项目管理中研究经典和敏捷方法。学生将在MRSD项目课程I和II中应用本课程的大部分内容,从而使他们有机会将理论付诸实践,进行真实的产品设计活动。请注意,本课程仅适用于MRSD学生。(过去的项目示例:http://mrsd.ri.cmu.edu/project-examples/)请注意,本课程仅适用于MRSD学生。(过去的项目示例:http://mrsd.ri.cmu.edu/project-examples/)请注意,本课程仅适用于MRSD学生。(过去的项目示例:http://mrsd.ri.cmu.edu/project-examples/)

    课程主页

    16-662   机器人自治

    教授: Oliver Kroemer

    课程描述: 
    机器人自主性深入研究了开发完全自治系统所需的感知,操纵,导航,规划和学习之间的相互作用。我们将专注于家庭,零售和医疗保健等应用领域,并确定共同的主题和关键瓶颈。我们将讨论最先进的算法,它们的计算和硬件要求以及它们的局限性。为了使您能够创建端到端系统,您将学习如何解决操作任务中的混乱和不确定性,在现实场景中开发强大的对象识别算法,在高维空间中规划机器人轨迹,构建高性能行为引擎级别任务,并学习应用和连接这些任务以创建自动机器人系统。

    预备要求:

    • 16-450

    16-711   运动学,动态系统和控制

    教授: Hartmut GeyerChris Atkeson

    课程描述:
    运动学,动态系统和控制是机器人技术的研究生水平入门。该课程涵盖了分析,建模和控制在物理世界中移动并操纵它的机器人机制的基本概念和方法。主要内容包括应用于刚体链的运动学,动力学和控制的运动学,动力学和控制的基础知识。其他主题包括状态估计和动态参数识别。

    课程主页

    16-720   计算机视觉

    教授: Kris M. KitaniSrinivasa G. NarasimhanSimon LuceyDeva Kannan RamananYaser Ajmal SheikhAbhinav GuptaMartial Hebert

    课程描述:
    本课程介绍计算机视觉中使用的基本技术,即分析视觉图像中的模式,以重建和理解生成它们的对象和场景。涵盖的主题包括图像形成和表示,相机几何和校准,计算成像,多视图几何,立体,图像的3D重建,运动分析,基于物理的视觉,图像分割和对象识别。该材料基于研究生水平的文本,并酌情增加研究论文。评估基于家庭作业和最终项目。家庭作业涉及大量的Matlab编程练习。

    课程主页

    图书:

    • Richard Szeliski,“计算机视觉算法与应用”,计算机科学文本,Springer ISBN:978-1-84882-934-3,书籍要求:推荐
    • David Forsyth和Jean Ponce,“计算机视觉:现代方法”,Prentice Hall ISBN:0-13-085198-1,书籍要求:推荐

    16-722   传感器和传感器

    教授: Cameron RiviereMel Siegel

    课程描述: 
    定量感知(传感)的原理和实践由实现它们的设备和算法(传感器)说明。学会批判性地检查机器人应用的传感要求,指定所需的传感器特性,分析这些规范是否可以原则上实现,比较原则上可以实现的内容与实际可以购买或构建的内容,以了解解决这些差异的工程因素,以及设计能够接近实现可用传感器实际能力的传感,数字化和计算系统。评分将基于家庭作业,课堂参与和期末考试。三到四个家庭作业将是一个动手实践的“带回家实验室”,用Arduino套件完成,学生将购买该套件代替购买教科书。顶级课程模块将涵盖(1)传感器,信号和测量科学,(2)噪声的起源,性质和改善,(3)端到端传感系统,(4)摄像机和其他成像传感器和系统,(5)距离感应和成像,(6)导航传感器和系统,(7)班级感兴趣的其他主题(如时间允许)。

    课程主页

    16-725   医学图像分析

    教授: John Galeotti

    课程描述: 
    学生将获得2D,3D和4D生物医学图像分析的理论和实践技能,包括与一般图像分析相关的技能。将探索计算医学图像分析的基础,导致目前的研究将几何和统计应用于分割,配准,可视化和图像理解。附加和相关的主题包括去噪/恢复,形态,水平集和形状/特征分析。学生将使用最新版本的国家医学图书馆洞察工具包(ITK)和SimpleITK开发实践经验,SimpleITK是由卡内基梅隆大学和匹兹堡大学等机构联盟开发的流行开源软件库。除了图像分析,该课程将包括与放射科医师和病理学家的互动。***讲座在CMU,学生将访问UPMC的临床医生。部分或全部课堂讲座也可以录像用于公开发布,但学生可以要求将其排除在分发视频之外。16-725是一个研究生班,16-425是一个交叉上市的本科部分。16-425大大减少了对最终项目和大型家庭作业的要求,也不需要影响临床医生。和16-425是一个交叉上市的本科部分。16-425大大减少了对最终项目和大型家庭作业的要求,也不需要影响临床医生。和16-425是一个交叉上市的本科部分。16-425大大减少了对最终项目和大型家庭作业的要求,也不需要影响临床医生。

    课程主页

    预备要求:

    • 了解向量微积分,基本概率以及C ++或python,包括基本的命令行熟悉以及如何将参数传递给您自己的命令行程序。不需要广泛的C ++和模板专业知识,但有些学生可能会觉得它很有帮助。

    16-741   操纵力学

    教授: Matthew T. Mason

    课程描述:
    机器人操纵器与任务交互的运动学,静力学和动力学,侧重于运动约束,重力和摩擦力的智能使用。基于力学的自动规划。从制造和其他领域提取的应用示例。

    课程主页

    16-745   动态优化

    教授: 克里斯阿特克森

    课程描述: 
    本课程将介绍优化(尤其是最佳控制)在设计行为中的应用。我们将探索表示策略的方法,包括手工设计的参数函数,基函数,表格和轨迹库。我们还将探索用于创建策略的算法,包括参数优化和轨迹优化(一阶和二阶梯度方法,顺序二次规划,随机搜索方法,进化算法等)。我们将讨论如何处理用于创建策略的模型与实际受控系统之间的差异(评估和稳健性问题)。该课程将结合讲座,学生提供的材料和项目。本课程的目标是帮助参与者找到解决问题的最有效方法。

    课程主页

    16-761   移动机器人简介

    教授: Alonzo Kelly

    课程描述:
    本课程从理论和实践的角度涵盖移动机器人系统设计和编程的所有方面。介绍了控制,定位,映射,感知和规划的基本子系统。对于每一个,讨论将包括应用数学的相关方法。系统和环境行为模型构建所必需的物理方面,以及在各种情况下都被证明有价值的核心算法。

    课程主页

    16-778   机电设计

    教授: John M. Dolan

    课程描述: 
    机电一体化是机械,电子和计算机控制的协同集成,以实现功能系统。本课程是一个为期一学期的多学科顶点硬件项目设计经验,其中小型(通常是四人)电气和计算机工程,机械工程和机器人学生团队提供最终集成系统的最终演示,能够执行机电一体化任务。在整个学期中,学生们在实验室设备和子系统中进行设计,配置,实施,测试和评估,最终形成最终的集成机电一体化系统。讲座将通过比较调查,操作原理以及与机制,微控制器等相关的集成设计问题来补充实验室经验。电子,传感器和控制组件。交叉上市课程:18-578,24-778

    课程主页

    16-782   机器人规划与决策

    教授: Maxim Likhachev

    课程描述:
    规划和决策是机器人系统自治的关键组成部分。这些组件负责制定从路径规划和运动规划到覆盖和任务规划的各种决策,以及采取有助于机器人更好地了解周围世界的行动。本课程研究用于机器人规划和决策的基础算法技术,并研究地面和空中机器人,人形机器人,移动操纵平台和多机器人系统的案例研究。学生将学习算法并在一系列基于编程的项目中实施。

    16-785   机器人技术的综合智能:语言,愿景和规划

    教授: Jean Hyaejin哦

    课程描述:
    本课程涵盖了为机器人系统构建认知智能的主题。认知能力构成了具有推理或解决问题能力的高级人类智能。诸如语义感知,语言理解和任务规划之类的功能可以构建在低级别机器人自治之上,从而实现对物理平台的自主控制。这些主题通常跨越多个技术领域,例如,视觉语言交叉和语言 - 行动/计划基础。本课程由50个讲座和50个研讨班组成。

    课程主页

    预备要求:

    • 这个类没有明确的先决条件,但是假定人工智能和机器学习的一般背景知识。

    16-791   应用数据科学

    教授: Artur W. Dubrawski

    课程描述: 
    本课程在实用应用的背景下探索快速发展的数据科学领域。Applied Data Science致力于实现三个主要目标。首先是优化人力资源管理者决策的效率。第二是最大限度地利用现有数据,这样就不会错过任何重要线索。第三是提高对数据及其产生的基础过程的理解。本课程旨在培养在实践中系统地实现这些目标所需的技能。学生将获得并巩固对最流行的当代数据科学方法的认识,并培养在应用场景中评估所研究主题的实际效用所需的直觉。

    16-811   机器人数学基础

    教授: Michael Erdmann

    课程描述:
    本课程涵盖了机器人学中应用数学的选定主题,取自以下列表:1。线性方程组的解。2.多项式插值和逼近。3.非线性方程的解。4.多项式的根,结论。5.通过正交函数的近似(包括傅里叶级数)。6.常微分方程的积分。7.优化。8.变化微积分(适用于力学)。9.概率和随机过程(马尔可夫链)。10.计算几何。11.微分几何。

    课程主页

    16-822   计算机视觉中基于几何的方法

    教授: Martial Hebert

    课程描述:
    该课程侧重于计算机视觉的几何方面:图像形成的几何形状及其用于3D重建和校准的用途。本课程的目的是介绍开发多视图重建算法所需的正式工具和结果。基本工具引入了研究仿射和投影几何,这对于图像形成模型的发展至关重要。在课程开始时还引入了其他代数工具,例如外部代数。然后,这些工具用于开发单个视图(相机模型),两个视图(基本矩阵)和三个视图(三焦张量)的几何图像形成的正式模型; 多幅图像的三维重建; 和自动校准。

    预备要求:

    • 计算机视觉(16-721或同等学历)

    图书:

    • 多个图像的几何。Faugeras和Long,麻省理工学院出版社。,书籍要求:未指定
    • 计算机视觉中的多视图几何,Richard Hartley和Andrew Zisserman,剑桥大学出版社,2000年6月。,书籍要求:未指定

    涵盖的主题:

    • 投射,仿射和欧几里德几何的基本原理
    • 不变性和二元性
    • 代数工具
    • 单视图几何:针孔模型
    • 校准技术
    • 2视图几何:基本矩阵
    • 2视图重建
    • 三视图几何:三焦张量
    • 参数估计和不确定性
    • n视图重建
    • 自校准

    16-823   基于物理学的视觉方法

    教授: Srinivasa G. Narasimhan

    课程描述: 
    我们每天都会观察到一系列非常明亮的光线和色彩现象,包括大气的炫目效果,表面和材料的复杂外观以及水下场景。长期以来,艺术家,科学家和摄影师都对这些影响着迷,并将注意力集中在捕捉和理解这些现象上。在本课程中,我们采用计算方法对这些现象进行建模和分析,我们统称这些现象为“视觉外观”。课程的前半部分侧重于视觉外观的物理基础,而课程的后半部分则侧​​重于计算机视觉,图形和遥感等各种领域的算法和应用,以及水下和航空成像等技术。本课程统一了物理科学中常见的概念及其在成像科学中的应用,并将包括该领域的最新研究进展。该课程还将包括摄影比赛。

    课程主页

    预备要求:

    • 计算机视觉或计算机图形学的本科或研究生课程

    16-824   视觉中基于学习的方法

    教授: Abhinav GuptaMartial Hebert

    课程描述:
    计算机视觉研究生研讨会课程,重点是大量数据(图像,视频和相关标签,文本,gps位置等)的表示和推理,以实现图像理解的最终目标。我们将阅读关于主题的经典和近期论文的折衷混合,包括:感知理论,中级视觉(分组,分割,Poselets),对象和场景识别,3D场景理解,动作识别,上下文推理,图像分析,联合语言和视觉模型等。我们将针对上述每个主题涵盖范围广泛的监督,半监督和无监督方法。

    课程主页

    预备要求:

    • 研究生计算机视觉或机器学习课程

    16-831   机器人统计技术

    教授: David HeldKris M. KitaniMichael KaessJ. Andrew(Drew)Bagnell

    课程描述: 
    数据驱动的学习技术现在是构建设计用于在现实世界中运行的机器人系统的重要部分。这些系统必须学会适应环境的变化,从经验中学习,并从示范中学习。我们将特别介绍机器学习应用于机器人系统的三个重要子领域:(1)我们将介绍在线学习,它可以用来使机器人系统适应不断变化的环境条件。(2)我们将介绍强化学习,其中考虑了探索和开发之间的权衡,以学习如何与环境互动。我们还将介绍真实世界机器人系统中的深度强化学习技术。(3)我们将涵盖学徒学习(模仿学习和反向强化学习),这对于教授机器人系统从专家行为中学习至关重要。先修课程:线性代数,多元微积分,概率论。

    16-833   机器人定位和映射

    教授: Michael Kaess

    课程描述:
    机器人定位和映射是在现实世界中运行的移动机器人的基本功能。比这些个别问题更具挑战性的是它们的组合:同步定位和映射(SLAM)。需要稳健且可扩展的解决方案,以处理传感器测量中固有的不确定性,同时实时提供定位和地图估计。我们将在线性代数和概率图形模型的交叉点探索合适的有效概率推理算法。我们还将探索最先进的系统。

    课程主页

    涵盖的主题:

    • 同步定位和映射(SLAM)

    16-843   操纵算法

    教授: Katharina Muelling

    课程描述:
    这是一个关于理论和算法的高级研究生课程,使机器人可以自己或与人合作,实际操纵他们的世界。该课程将首先关注操作的功能方面,例如为灵巧的手和这些空间中的运动规划合成稳健和稳定的掌握,以及学习操作,例如如何从演示和经验预测稳定的掌握。展望未来,我们将讨论与人们协同执行操作任务所产生的其他要求:从运动的纯粹功能方面转变为将人类纳入循环,以及通过理解和表达意图来协调人类和机器人的行为。

    课程主页

    16-848   指针:灵巧操作的设计和控制

    教授: 南希波拉德

    课程描述: 
    在过去十年中,与手相关的研究急剧增加。双手是计算机图形学和虚拟现实的焦点,新的机器人手已经大量涌现,并且在DARPA机器人挑战赛等广泛宣传的项目中已经出现了操纵。掌握了所有这些注意力,我们是否接近灵巧的突破,或者我们是否仍然缺少真正称职的操作所需的一些东西?在本课程中,我们将调查机器人手并了解人手,目标是推动手头设计和控制灵巧操作的边界。我们将考虑灵活性所需的运动学和动力学,进行灵巧相互作用需要哪些传感器,反射和顺应性的重要性以及不确定性的挑战。我们将研究人手:它的结构,感知能力,人类掌握选择以及灵感和基准测试的控制策略。学生将被要求提交一篇或两篇研究论文,参与讨论和简短的研究或设计练习,并进行最终的项目。

    课程主页

    16-861   移动机器人开发

    教授: William(红色)L。Whittaker

    课程描述: 
    本课程研究机器人的移动性,能量学,传感,计算,软件,有效载荷,接口和操作环境。背景是机器人对月球的追求。范围包括机械,电子,软件,运动,导航,通信,传感,电源和散热考虑因素。此外,空间系统还解决了低质量,能量,空间环境和设计可靠性的挑战。媒体被纳入编年史并代表成就。该课程适合广泛的学生学科和兴趣。课程学习目标包括制定,解决问题,机器人和开发空间系统。学生团队合作,提供指导,通过书面和口头报告制作与任务相关的结果并练习技术交流。团队制作学期论文,详细说明设计,开发,测试和经验教训。

    课程主页

    16-865   高级移动机器人开发

    教授: William(红色)L。Whittaker

    课程描述:
    本课程将开发CMU将在月球上驾驶的机器人,以获得Lunar XPrize,同时指导支流技术和创作过程。该课程还将通过展示流动站的飞行准备情况,从谷歌的月球里程碑奖中获得第一笔现金。本课程涉及的支流技术包括机制,驱动,热调节,功率,传感,计算,通信和操作。流程包括机器人开发和功能,可靠性和飞行准备情况的验证。相关技能包括机器人,机械,电子,软件,制造,测试,文档和系统工程。该课程适合广泛的兴趣和经验。

    16-868   生物力学和电机控制

    教授: Hartmut Geyer

    课程描述:
    该课程介绍了腿部运动的机制和控制,重点是人体系统。涵盖的主要议题包括基本概念,肌肉骨骼力学和神经控制。强调了机器人和康复设备中的生物灵感的例子。在课程结束时,您将掌握基本知识,建立自己动态的动物和人类运动的控制模型。该课程同时开发材料,并介绍了Matlab的Simulink和SimMechanics环境,用于建模非线性动态系统。作业和团队项目将让您在理论和计算机模拟中将您的知识应用于动物和人体运动的问题。

    课程主页

    本科课程

    16-223   IDeATe:物理计算简介

    教授: Garth Zeglin

    课程描述: 
    物理计算是指物理系统的设计和构建,它使用软件和硬件的混合来感知和响应周围的世界。此类系统将数字和物理过程融入玩具和小工具,动力雕塑,功能感应和评估工具,移动仪器,交互式可穿戴设备等。这是一个基于项目的课程,涉及使用物理计算构思,设计和开发项目的所有方面:应用程序,工件,计算机辅助设计环境和物理原型设施。该课程围绕一系列实践动手练习进行组织,其中介绍了电路,嵌入式编程,传感器信号处理,简单机制,动作和基于时间的行为的基本原理。关键目标是直观地了解信息和能量如何在物理,电子和计算域之间移动以创建所需的行为。这些练习为协作项目提供了基础,这些项目利用基本技能,并挑战学生不仅要考虑如何制作东西,还要考虑我们设计的对象,以及为什么制作是值得的。本课程是IDeATe门户课程,用于进入IDeATe智能环境或物理计算程序。CFA / DC / TPR学生可以在16-223岁之间注册; CIT / MCS / SCS学生可以报名参加60-223版本的课程。请注意,本课程将包含实验室使用和材料费用。和计算域来创建所需的行为。这些练习为协作项目提供了基础,这些项目利用基本技能,并挑战学生不仅要考虑如何制作东西,还要考虑我们设计的对象,以及为什么制作是值得的。本课程是IDeATe门户课程,用于进入IDeATe智能环境或物理计算程序。CFA / DC / TPR学生可以在16-223岁之间注册; CIT / MCS / SCS学生可以报名参加60-223版本的课程。请注意,本课程将包含实验室使用和材料费用。和计算域来创建所需的行为。这些练习为协作项目提供了基础,这些项目利用基本技能,并挑战学生不仅要考虑如何制作东西,还要考虑我们设计的对象,以及为什么制作是值得的。本课程是IDeATe门户课程,用于进入IDeATe智能环境或物理计算程序。CFA / DC / TPR学生可以在16-223岁之间注册; CIT / MCS / SCS学生可以报名参加60-223版本的课程。请注意,本课程将包含实验室使用和材料费用。但也为我们设计的对象,以及为什么制作是值得的。本课程是IDeATe门户课程,用于进入IDeATe智能环境或物理计算程序。CFA / DC / TPR学生可以在16-223岁之间注册; CIT / MCS / SCS学生可以报名参加60-223版本的课程。请注意,本课程将包含实验室使用和材料费用。但也为我们设计的对象,以及为什么制作是值得的。本课程是IDeATe门户课程,用于进入IDeATe智能环境或物理计算程序。CFA / DC / TPR学生可以在16-223岁之间注册; CIT / MCS / SCS学生可以报名参加60-223版本的课程。请注意,本课程将包含实验室使用和材料费用。

    16-264   人型生物

    教授: 克里斯阿特克森

    课程描述:
    本课程调查人类,类人机器人和人形图形角色的感知,认知和运动。应用领域包括更像人类的机器人,视频游戏角色和交互式电影角色。

    课程主页

    16-311   机器人简介

    教授: Howie Choset

    课程描述:
    本课程概述了实践和研究中的机器人技术,主题包括视觉,运动规划,移动机制,运动学,反向运动学和传感器。在课程项目中,学生构建由微控制器驱动的机器人,每个项目都强化了讲座中开发的基本原则。学生名义上以三人一组的形式工作:电气工程师,机械工程师和计算机科学家。本课程还将向学生介绍机器人技术的一些当代事件,其中包括当前机器人实验室研究,应用,机器人竞赛和新闻机器人。

    课程主页

    16-350   机器人规划技术

    教授: Maxim Likhachev

    课程描述:
    规划是使机器人自主的核心组件之一。机器人规划负责实时决定机器人接下来应该做什么,如何做,机器人在哪里移动以及如何移动到那里。本课程深入研究了机器人中的流行规划技术,并研究了它们在地面和空中机器人,人形机器人,移动操纵平台和多机器人系统中的应用。学生们学习这些方法的理论,并在一系列基于编程的项目中实现它们。要上课,学生应该参加机器人入门课程,并对编程和数据结构有很好的了解。

    课程主页

    预备要求:

    • 机器人技术简介

    16-362   移动机器人编程实验室

    教授: Alonzo Kelly

    课程描述: 
    本课程全面介绍了使移动机器人可靠有效运行所需的概念和基本算法。我们将与小型机器人合作,这些小型机器人可通过笔记本电脑进行无线控制。机器人是定制设计的迷你叉车,可以像现在的商用自动导引车一样将托盘从一个地方移动到另一个地方。机器人在现代MATLAB编程环境中编程。它是一种非常容易学习的语言,也是一种非常强大的语言机器人算法原型。除了一些理论,你将在这门课程中获得很多经验。讲座主要关注下一个实验的内容。每周都有一个实验室,它们相互依赖,从而形成一个完整的机器人软件系统。本课程将以全班级机器人比赛结束,该比赛将测试本学期实施的所有代码的性能。为了在课程中取得成功,学生必须具备1)科学/工程水平的数学背景(矩阵,向量,坐标系)和2)已经掌握了至少一种过程式编程语言,如C或Java,以及3 )有足够的经验,有合理的准备在13周内在一两个人的帮助下编写5000行软件系统。课程结束后,您将编写一个软件系统,该系统已逐步扩展功能并在整个学期定期调试。为了在课程中取得成功,学生必须具备1)科学/工程水平的数学背景(矩阵,向量,坐标系)和2)已经掌握了至少一种过程式编程语言,如C或Java,以及3 )有足够的经验,有合理的准备在13周内在一两个人的帮助下编写5000行软件系统。课程结束后,您将编写一个软件系统,该系统已逐步扩展功能并在整个学期定期调试。为了在课程中取得成功,学生必须具备1)科学/工程水平的数学背景(矩阵,向量,坐标系)和2)已经掌握了至少一种过程式编程语言,如C或Java,以及3 )有足够的经验,有合理的准备在13周内在一两个人的帮助下编写5000行软件系统。课程结束后,您将编写一个软件系统,该系统已逐步扩展功能并在整个学期定期调试。3)有足够的经验,有合理的准备,在一个或两个人的帮助下,在13周内编写5000线软件系统。课程结束后,您将编写一个软件系统,该系统已逐步扩展功能并在整个学期定期调试。3)有足够的经验,有合理的准备,在一个或两个人的帮助下,在13周内编写5000线软件系统。课程结束后,您将编写一个软件系统,该系统已逐步扩展功能并在整个学期定期调试。

    课程主页

    16-374   IDeATe:机器人特效的艺术

    教授: Garth Zeglin和Suzie Silver

    课程描述: 
    灵感来自George Melies的早期技巧电影,这个以项目为导向的课程将机器人技术和电影制作技术融合在一起,为电影注入现场魔力的奇迹。学生将学习使用电子动画,相机运动控制和合成的电影制作的基础知识。这些项目运用这些技术为短片创造创新的物理效果,从概念到后期制作。该课程强调实时实践效果,以探索即兴和排练的即时性和互动性。机器人主题包括电子动画快速原型设计和编程人机协作性能。该课程包括特殊效果和机器人技术历史的简要概述,以便在上下文中设置工作。交叉上市课程:60428

    课程主页

    16-375   IDeATe:创意实践机器人

    教授: Garth Zeglin

    课程描述: 
    [IDeATe合作课程]。这个以项目为导向的课程将艺术和工程结合在一起,制造出惊人的动画机器。学生将通过几个小项目来重复他们的概念,这些项目专注于使用体现行为作为讲故事,表演和人际互动的创造性媒介。学生将学习设计,构建和编程简单机器人系统的技能,然后通过展览和表演探索他们的成果。技术主题包括系统思考,动态物理和计算行为,自治,嵌入式编程以及制造和部署。讨论主题包括当代动力学雕塑和机器人研究。请注意,本课程可能会产生使用/材料费用。交叉上课课程:

    预备要求:

    • 62150或60223或15104或16223

    16-384   机器人运动学和动力学

    教授: Howie ChosetGeorge A. Kantor

    课程描述:
    机器人运动学的基础和原理。主题包括变换,正向运动学,反向运动学,差分运动学(雅可比行列式),可操纵性和基本运动方程。课程还包括机器人手臂编程。

    涵盖的主题:

    • 转换
    • 正向运动学
    • 反向运动学
    • 差动运动学(雅可比)
    • 操作性
    • 基本运动方程

    16-385   计算机视觉

    教授: Ioannis GkioulekasKris M. Kitani

    课程描述:
    本课程全面介绍计算机视觉。主要议题包括图像处理,检测和识别,基于几何和基于物理的视觉,传感和感知以及视频分析。学生将学习计算机视觉的基本概念以及实践经验,以解决现实生活中的视力问题。

    课程主页

    16-423   设计计算机视觉应用程序

    教授: Simon Lucey

    课程描述: 
    教授:Simon Lucey学期:秋季和春季课程描述:计算机视觉是一门试图从图像和视频中提取信息的学科。地球上几乎每个智能设备都有一个摄像头,人们越来越关注如何开发使用计算机视觉的应用程序来执行不断扩展的事物列表,包括:3D映射,照片/图像搜索,人/物体跟踪,增强现实本课程面向不熟悉计算机视觉但希望快速掌握最新环境,软件工具和开发计算机视觉应用程序最佳实践的学生。虽然必须具备强大的编程背景(至少熟悉C / C ++),但不需要先前的计算机视觉或机器学习知识。主题将包括使用传统的计算机视觉软件工具(OpenCV,MATLAB工具箱,VLFeat,CAFFE),以及使用移动视觉库(如GPUImage)和快速数学库(如Armadillo和Eigen)在iOS设备上进行开发。为了保持一致性,所有应用程序开发都将在iOS中进行,并且预计参与该类的所有学生都可以访问运行OS X Mavericks或更高版本的基于Intel的MAC。虽然课程将集中在一个操作系统上,但从本课程中获得的知识旨在推广到其他移动平台,如Android等。为了保持一致性,所有应用程序开发都将在iOS中进行,并且预计参与该类的所有学生都可以访问运行OS X Mavericks或更高版本的基于Intel的MAC。虽然课程将集中在一个操作系统上,但从本课程中获得的知识旨在推广到其他移动平台,如Android等。为了保持一致性,所有应用程序开发都将在iOS中进行,并且预计参与该类的所有学生都可以访问运行OS X Mavericks或更高版本的基于Intel的MAC。虽然课程将集中在一个操作系统上,但从本课程中获得的知识旨在推广到其他移动平台,如Android等。

    课程主页

    16-450   机器人系统工程

    教授: David Wettergreen

    课程描述: 
    系统工程检查指定,设计,分析和测试复杂系统的方法。在本课程中,介绍了系统工程的原理和过程,并将其应用于机器人设备的开发。重点是设计用于执行复杂行为的机器人系统。这样的系统嵌入计算元件,集成传感器和致动器,以可靠和稳健的方式操作,并且需要从概念到生产的严格工程。课程的组织是通过概念化,规范,设计和原型设计的系统工程过程,同时考虑验证和验证。完成本课程的学生将通过其竞争设计和初始原型设计机器人系统。

    16-455   IDeATe:人机的虚拟性

    教授: Garth Zeglin和Joshua Bard

    课程描述: 
    [IDeATe]人类灵巧的技能体现了丰富的物理理解,补充了基于计算机的设计和机器制造。这个面向项目的课程通过创新设计和制造系统的实际开发探索了手与机器之间的二元性。这些系统将物理工具的表现力和直觉与数字领域的可扩展性和精确性相结合。学生将开发新颖的混合设计和生产工作流程,结合模拟和数字流程,以支持他们所选项目的设计和制造。涵盖的具体技能包括3D扫描,3D建模(CAD),3D打印(增材制造),基于计算机的传感和人机交互设计。感兴趣的领域包括建筑,艺术和产品设计。

    课程主页

    预备要求:

    • 60223或16223

    16-467   人机交互

    教授: Henny Admoni

    课程描述: 
    人机交互领域(HRI)正迅速成为机器人研究的重要领域。基本目标是在人与机器人之间创造自然而有效的互动。HRI是高度跨学科的,汇集了机器人技术,人工智能,人机交互,心理学,教育和其他领域的方法和技术。本课程主要以讲座为基础,包括课堂参与式小型项目,家庭作业,一个小组学期项目,使学生能够将理论付诸实践,并进行最后的决定。所涉及的主题将包括支持人机交互的技术,人与机器人之间的交互心理,如何设计和开展HRI研究,以及辅助机器人等现实应用。

    课程主页

    16-474   Robotics Capstone

    教授: Cameron RiviereDimitrios(Dimi)Apostolopoulos

    课程描述: 
    在本课程中,学生将完善设计,构建,集成,测试和演示他们在先修系统工程课程(16-450)中设计的机器人的性能。希望学生继续应用系统工程的流程和方法来跟踪需求,评估备选方案,优化网络物理架构,规划和设计测试,验证设计并验证系统性能。此外,学生还学习并应用项目管理技术来管理项目的技术范围,进度,预算和风险。该课程包括讲座,课堂会议,评论和最终演示。讲座涵盖项目管理的核心主题和系统工程专题。在课堂会议期间,学生和教师审查项目进展并讨论技术和项目执行方面的挑战。大约在学期前三个月结束时有三个主要评论。对于每次审核,学生都会进行演示并提交系统设计和开发文档的更新版本。该课程最后在学期结束时进行系统性能验证演示。除此之外,学生还为更广泛的机器人社区举办了机器人系统的特别演示。学生们进行演示并提交系统设计和开发文档的更新版本。该课程最后在学期结束时进行系统性能验证演示。除此之外,学生还为更广泛的机器人社区举办了机器人系统的特别演示。学生们进行演示并提交系统设计和开发文档的更新版本。该课程最后在学期结束时进行系统性能验证演示。除此之外,学生还为更广泛的机器人社区举办了机器人系统的特别演示。

    16299   反馈控制系统简介

    教授: 内森迈克尔

    课程描述:
    本课程是计算机科学专业反馈控制系统的第一门课程。课程主题包括经典线性控制理论(微分方程,拉普拉斯变换,反馈控制),线性状态空间方法(可控性/可观测性,极点配置,LQR),非线性系统理论以及使用计算机学习技术进行控制的介绍。计算机科学专业将优先考虑机器人技术。

    课程主页

    预备要求:

    • 15122
    • 21122

    原文如下:


    GRADUATE COURSES

    16-623  Advanced Computer Vision Apps

    Professor: Simon Lucey

    Course Description: 
    Computer vision is a discipline that attempts to extract information from images and videos. Nearly every smart device on the planet has a camera, and people are increasingly interested in how to develop apps that use computer vision to perform an ever expanding list of things including: 3D mapping, photo/image search, people/object tracking, augmented reality etc. This course is intended for graduate students who are familiar with computer vision, and are keen to learn more about the applying state of the art vision methods on smart devices and embedded systems. A strong programming background is a must (at a minimum good knowledge of C/C++), topics will include using conventional computer vision software tools (OpenCV, MATLAB toolboxes, VLFeat, CAFFE, Torch 7), and development on iOS devices using mobile vision libraries such as GPUImage, Metal and fast math libraries like Armadillo and Eigen. For consistency, all app development will be in iOS and it is expected that all students participating in the class have access to an Intel-based MAC running OS X Mavericks or later. Although the coursework will be focused on a single operating system, the knowledge gained from this class will easily generalize to other mobile platforms such as Android etc.

    Course Homepage

    16-642  Manipulation, Estimation, and Control

    Professor: George A. Kantor

    Course Description: 
    This course provides an overview of the current techniques that allow robots to locomote and interact with the world. The kinematics and dynamics of electromechanical systems will be covered with a particular focus on their application to robotic arms. Some basic principles of robot control will be discussed, ranging from independent- joint PID tracking to coupled computed torque approaches. The practice and theory of robotic mobility will be investigated through various mobile robot platforms, including wheeled and tracked vehicle and legged robots. Hands-on experience with some of the topics in the class will be provided through practical demonstrations and lab assignments. Please note that this course is for MRSD students only.

    Prerequisites:

    • MRSD students only

    16-650  Systems Engineering & Management for Robotics

    Professor: Dimitrios (Dimi) Apostolopoulos

    Course Description: 
    Practically everything around us is a system-from the cell phone in your pocket to the International Space System up in the sky. The higher the complexity of the system, the more its creators benefit from applying formal processes to its development-processes that are collectively known under the umbrella “systems engineering.” Systems Engineering is a formal discipline that guides a product from conception and design all the way to production, marketing, servicing, and disposal. In this course we will study the fundamental elements of systems engineering as they apply to the development of robotic systems. We will cover topics such as needs analysis, requirements elicitation and formalization, system architecture development, trade studies, verification and validation, etc. In addition, for this course we will cover core topics of Project Management that must be performed in tandem with Systems Engineering to achieve a successful project and product. For the Project Management we will cover work breakdown structures, scheduling, estimation, and risk management. We will study both classical and agile methods in project management. The students will apply most of the elements of this course in the MRSD Project Course I and II, thus giving them the opportunity to put the theory in practice in a real product design activity. Please note that this course is for MRSD students only. (Past project examples: http://mrsd.ri.cmu.edu/project-examples/)

    Course Homepage

    16-662  Robot Autonomy

    Professor: Oliver Kroemer

    Course Description: 
    Robot autonomy delves into the interplay between perception, manipulation, navigation, planning, and learning required to develop fully autonomous systems. We will focus on application domains like the home, retail, and healthcare and identify common themes and key bottlenecks. We will discuss the state of the art algorithms, their computational and hardware requirements, and their limitations. To enable you to create end-to-end systems, you will learn how to address clutter and uncertainty in manipulation tasks, develop robust object recognition algorithms in real-world scenes, plan robot trajectories in high-dimensional spaces, build behavior engines for high-level tasks, and learn to apply and connect those to create an autonomous robot system. The course emphasizes the implementation of the algorithms discussed in class in simulation through homework assignments as well as on real systems in a class project.

    Prerequisites:

    • 16-450

    16-711  Kinematics, Dynamic Systems and Control

    Professor: Hartmut Geyer and Chris Atkeson

    Course Description: 
    Kinematics, Dynamic Systems, and Control is a graduate level introduction to robotics. The course covers fundamental concepts and methods to analyze, model and control robotic mechanisms which move in the physical world and manipulate it. Main topics include the fundamentals of kinematics, dynamics and control applied to the kinematics, dynamics and control of rigid body chains. Additional topics include state estimation and dynamic parameter identification.

    Course Homepage

    16-720  Computer Vision

    Professor: Kris M. KitaniSrinivasa G. NarasimhanSimon LuceyDeva Kannan RamananYaser Ajmal SheikhAbhinav Gupta and Martial Hebert

    Course Description: 
    This course introduces the fundamental techniques used in computer vision, that is, the analysis of patterns in visual images to reconstruct and understand the objects and scenes that generated them. Topics covered include image formation and representation, camera geometry, and calibration, computational imaging, multi-view geometry, stereo, 3D reconstruction from images, motion analysis, physics-based vision, image segmentation and object recognition. The material is based on graduate-level texts augmented with research papers, as appropriate. Evaluation is based on homeworks and a final project. The homeworks involve considerable Matlab programming exercises.

    Course Homepage

    Books:

    • Richard Szeliski, "Computer Vision Algorithms and Applications", Texts in Computer Science, Springer ISBN: 978-1-84882-934-3, Book Requirement: Recommended
    • David Forsyth and Jean Ponce, "Computer Vision: A Modern Approach", Prentice Hall ISBN: 0-13-085198-1, Book Requirement: Recommended

    16-722  Sensing & Sensors

    Professor: Cameron Riviere and Mel Siegel

    Course Description: 
    The principles and practices of quantitative perception (sensing) illustrated by the devices and algorithms (sensors) that implement them. Learn to critically examine the sensing requirements of robotics applications, to specify the required sensor characteristics, to analyze whether these specifications can be realized even in principle, to compare what can be realized in principle to what can actually be purchased or built, to understand the engineering factors that account for the discrepancies, and to design transducing, digitizing, and computing systems that come tolerably close to realizing the actual capabilities of available sensors. Grading will be based on homework assignments, class participation, and a final exam. Three or four of the homework assignments will be hands-on “take-home labs” done with an Arduino kit that students will purchase in lieu of purchasing a textbook. Top-level course modules will cover (1) sensors, signals, and measurement science, (2) origins, nature, and amelioration of noise, (3) end-to-end sensing systems, (4) cameras and other imaging sensors and systems, (5) range sensing and imaging, (6) navigation sensors and systems, (7) other topics of interest to the class (as time allows).

    Course Homepage

    16-725  Medical Image Analysis

    Professor: John Galeotti

    Course Description: 
    Students will gain theoretical and practical skills in 2D, 3D, and 4D biomedical image analysis, including skills relevant to general image analysis. The fundamentals of computational medical image analysis will be explored, leading to current research in applying geometry and statistics to segmentation, registration, visualization, and image understanding. Additional and related covered topics include de-noising/restoration, morphology, level sets, and shape/feature analysis. Students will develop practical experience through projects using the latest version of the National Library of Medicine Insight Toolkit ( ITK ) and SimpleITK, a popular open-source software library developed by a consortium of institutions including Carnegie Mellon University and the University of Pittsburgh. In addition to image analysis, the course will include interaction with radiologists and pathologist(s). *** Lectures are at CMU and students will visit clinicians at UPMC. Some or all of the class lectures may also be videoed for public distribution, but students may request to be excluded from distributed video. 16-725 is a graduate class, and 16-425 is a cross-listed undergraduate section. 16-425 has substantially reduced requirements for the final project and for the larger homework assignments, nor does it require shadowing the clinicians.

    Course Homepage

    Prerequisites:

    • Knowledge of vector calculus, basic probability, and either C++ or python, including basic command-line familiarity and how to pass arguments to your own command-line programs. Extensive expertise with C++ and templates is not necessary, but some students may find it helpful.

    16-741  Mechanics of Manipulation

    Professor: Matthew T. Mason

    Course Description: 
    Kinematics, statics, and dynamics of robotic manipulator’s interaction with a task, focusing on intelligent use of kinematic constraint, gravity, and frictional forces. Automatic planning based on mechanics. Application examples drawn from manufacturing and other domains.

    Course Homepage

    16-745  Dynamic Optimization

    Professor: Chris Atkeson

    Course Description: 
    This course surveys the use of optimization (especially optimal control) to design behavior. We will explore ways to represent policies including hand-designed parametric functions, basis functions, tables, and trajectory libraries. We will also explore algorithms to create policies including parameter optimization and trajectory optimization (first and second order gradient methods, sequential quadratic programming, random search methods, evolutionary algorithms, etc.). We will discuss how to handle the discrepancy between models used to create policies and the actual system being controlled (evaluation and robustness issues). The course will combine lectures, student-presented material, and projects. The goal of this course will be to help participants find the most effective methods for their problems.

    Course Homepage

    16-761  Introduction to Mobile Robots

    Professor: Alonzo Kelly

    Course Description: 
    This course covers all aspects of mobile robot systems design and programming from both a theoretical and a practical perspective. The basic subsystems of control, localization, mapping, perception, and planning are presented. For each, the discussion will include relevant methods from applied mathematics. aspects of physics necessary in the construction of models of system and environmental behavior, and core algorithms which have proven to be valuable in a wide range of circumstances.

    Course Homepage

    16-778  Mechatronic Design

    Professor: John M. Dolan

    Course Description: 
    Mechatronics is the synergistic integration of mechanism, electronics, and computer control to achieve a functional system. This course is a semester-long multidisciplinary capstone hardware project design experience in which small (typically four-person) teams of electrical and computer engineering, mechanical engineering and robotics students deliver an end-of-course demonstration of a final integrated system capable of performing a mechatronic task. Throughout the semester, the students design, configure, implement, test and evaluate in the laboratory devices and subsystems culminating in the final integrated mechatronic system. Lectures will complement the laboratory experience with comparative surveys, operational principles, and integrated design issues associated with the spectrum of mechanism, microcontroller, electronic, sensor, and control components. CROSS-LISTED COURSES: 18-578, 24-778

    Course Homepage

    16-782  Planning and Decision-making in Robotics

    Professor: Maxim Likhachev

    Course Description: 
    Planning and Decision-making are critical components of autonomy in robotic systems. These components are responsible for making decisions that range from path planning and motion planning to coverage and task planning to taking actions that help robots understand the world around them better. This course studies underlying algorithmic techniques used for planning and decision-making in robotics and examines case studies in ground and aerial robots, humanoids, mobile manipulation platforms and multi-robot systems. The students will learn the algorithms and implement them in a series of programming-based projects.

    16-785  Integrated intelligence in robotics: language, vision and planning

    Professor: Jean Hyaejin Oh

    Course Description: 
    This course covers the topics on building cognitive intelligence for robotic systems. Cognitive capabilities constitute high-level, humanlike intelligence that exhibits reasoning or problem solving skills. Such capabilities as semantic perception, language understanding, and task planning can be built on top of low-level robot autonomy that enables autonomous control of physical platforms. The topics generally bridge across multiple technical areas, for example, vision-language intersection and language-action/plan grounding. This course is composed of 50 lectures and 50 seminar classes.

    Course Homepage

    Prerequisites:

    • There are no explicit prerequisites for this class, but a general background knowledge in AI and machine learning is assumed.

    16-791  Applied Data Science

    Professor: Artur W. Dubrawski

    Course Description: 
    This course explores the rapidly developing field of data science in the context of its pragmatic applications. Applied Data Science strives to achieve three main goals. The first is to optimize the efficacy of decision making by human managers. The second is to maximize the utilization of available data, so that no important clue is ever missed. The third is to improve understanding of data and the underlying processes that produce it. This course aims at building skills required to systematically achieve those goals in practice. The students will gain and solidify awareness of the most prevalent contemporary methods of Data Science, and develop intuition needed for assessing practical utility of the studied topics in application scenarios. They will be able to learn how to formulate analytic tasks in support of project objectives, how to define successful analytic projects, and how to evaluate utility of existing and potential applications of the discussed technologies in practice.

    16-811  Math Fundamentals for Robotics

    Professor: Michael Erdmann

    Course Description: 
    This course covers selected topics in applied mathematics useful in robotics, taken from the following list: 1. Solution of Linear Equations. 2. Polynomial Interpolation and Approximation. 3. Solution of Nonlinear Equations. 4. Roots of Polynomials, Resultants. 5. Approximation by Orthogonal Functions (includes Fourier series). 6. Integration of Ordinary Differential Equations. 7. Optimization. 8. Calculus of Variations (with applications to Mechanics). 9. Probability and Stochastic Processes (Markov chains). 10. Computational Geometry. 11. Differential Geometry.

    Course Homepage

    16-822   Geometry Based Methods in Computer Vision

    Professor: Martial Hebert

    Course Description: 
    The course focuses on the geometric aspects of computer vision: The geometry of image formation and its use for 3D reconstruction and calibration. The objective of the course is to introduce the formal tools and results that are necessary for developing multi-view reconstruction algorithms. The fundamental tools introduced study affine and projective geometry, which are essential to the development of image formation models. Additional algebraic tools, such as exterior algebras are also introduced at the beginning of the course. These tools are then used to develop formal models of geometric image formation for a single view (camera model), two views (fundamental matrix), and three views (trifocal tensor); 3D reconstruction from multiple images; and auto-calibration.

    Prerequisites:

    • Computer Vision (16-721 or equivalent)

    Books:

    • The Geometry of Multiple Images. Faugeras and Long, MIT Press., Book Requirement: Not Specified
    • Multiple View Geometry in Computer Vision, Richard Hartley and Andrew Zisserman, Cambridge University Press, June 2000., Book Requirement: Not Specified

    Topics Covered:

    • Fundamentals of projective, affine, and Euclidean geometries
    • Invariance and duality
    • Algebraic tools
    • Single view geometry: The pinhole model
    • Calibration techniques
    • 2-view geometry: The Fundamental matrix
    • 2-view reconstruction
    • 3-view geometry: The trifocal tensor
    • Parameter estimation and uncertainty
    • n-view reconstruction
    • Self-calibration

    16-823  Physics Based Methods in Vision

    Professor: Srinivasa G. Narasimhan

    Course Description: 
    Everyday we observe an extraordinary array of light and color phenomena around us, ranging from the dazzling effects of the atmosphere, the complex appearances of surfaces and materials and underwater scenarios. For a long time, artists, scientists and photographers have been fascinated by these effects, and have focused their attention on capturing and understanding these phenomena. In this course, we take a computational approach to modeling and analyzing these phenomena, which we collectively call as “visual appearance”. The first half of the course focuses on the physical fundamentals of visual appearance, while the second half of the course focuses on algorithms and applications in a variety of fields such as computer vision, graphics and remote sensing and technologies such as underwater and aerial imaging. This course unifies concepts usually learnt in physical sciences and their application in imaging sciences, and will include the latest research advances in this area. The course will also include a photography competition.

    Course Homepage

    Prerequisites:

    • An undergraduate or graduate class in Computer Vision or in Computer Graphics

    16-824  Learning-based Methods in Vision

    Professor: Abhinav Gupta and Martial Hebert

    Course Description: 
    A graduate seminar course in Computer Vision with emphasis on representation and reasoning for large amounts of data (images, videos and associated tags, text, gps-locations etc) toward the ultimate goal of Image Understanding. We will be reading an eclectic mix of classic and recent papers on topics including: Theories of Perception, Mid-level Vision (Grouping, Segmentation, Poselets), Object and Scene Recognition, 3D Scene Understanding, Action Recognition, Contextual Reasoning, Image Parsing, Joint Language and Vision Models, etc. We will be covering a wide range of supervised, semi-supervised and unsupervised approaches for each of the topics above.

    Course Homepage

    Prerequisites:

    • Graduate Computer Vision or Machine Learning course

    16-831  Statistical Techniques in Robotics

    Professor: David HeldKris M. KitaniMichael Kaess and J. Andrew (Drew) Bagnell

    Course Description: 
    Data-driven learning techniques are now an essential part of building robotic systems designed to operate in the real world. These systems must learn to adapt to changes in the environment, learn from experience, and learn from demonstration. In particular we will cover three important sub-fields of Machine Learning applied to robotic systems: (1) We will cover Online Learning, which can be used to give robotic systems the ability to adapt to changing environmental conditions. (2) We will cover Reinforcement Learning, which takes into account the tradeoffs between exploration and exploitation to learn how to interact with the environment. We will also cover Deep Reinforcement Learning techniques in the context of real-world robotic systems. (3) We will cover Apprenticeship Learning (Imitation Learning and Inverse Reinforcement Learning) which is critical for teaching robotic systems to learn from expert behavior. Prerequisites: Linear Algebra, Multivariate Calculus, Probability theory.

    16-833  Robot Localization & Mapping

    Professor: Michael Kaess

    Course Description: 
    Robot localization and mapping are fundamental capabilities for mobile robots operating in the real world. Even more challenging than these individual problems is their combination: simultaneous localization and mapping (SLAM). Robust and scalable solutions are needed that can handle the uncertainty inherent in sensor measurements, while providing localization and map estimates in real-time. We will explore suitable efficient probabilistic inference algorithms at the intersection of linear algebra and probabilistic graphical models. We will also explore state-of-the-art systems.

    Course Homepage

    Topics Covered:

    • simultaneous localization and mapping (SLAM)

    16-843  Manipulation Algorithms

    Professor: Katharina Muelling

    Course Description: 
    This is an advanced graduate-level class on the theory and algorithms that enable robots to physically manipulate their world, on their own or in collaboration with people. The class will first focus on functional aspects of manipulation, such as synthesizing robust and stable grasps for dexterous hands and motion planning in these spaces, as well as learning for manipulation, such as how to predict stable grasps from demonstration and experience. Moving forward, we will discuss additional requirements that arise from performing manipulation tasks collaboratively with people: moving from purely functional aspects of motion to incorporating the human into the loop, and coordinating human and robot actions via understanding and expressing intent.

    Course Homepage

    16-848  Hands: Design and Control for Dexterous Manipulation

    Professor: Nancy Pollard

    Course Description: 
    Research related to hands has increased dramatically over the past decade. Hands are in focus in computer graphics and virtual reality, new robot hands have been popping up in great variety, and manipulation has been featured in widely publicized programs such as the DARPA Robotics Challenge. With all of this attention on hands, are we close to a breakthrough in dexterity, or are we still missing some things needed for truly competent manipulation? In this course, we will survey robotic hands and learn about the human hand with the goal of pushing the frontiers on hand design and control for dexterous manipulation. We will consider the necessary kinematics and dynamics for dexterity, what sensors are required to carry out dexterous interactions, the importance of reflexes and compliance, and the challenge of uncertainty. We will examine the human hand: its structure, sensing capabilities, human grasp choice and control strategies for inspiration and benchmarking. Students will be asked to present one or two research papers, participate in discussions and short research or design exercises, and carry out a final project.

    Course Homepage

    16-861  Mobile Robot Development

    Professor: William (Red) L. Whittaker

    Course Description: 
    This course investigates robot mobility, energetics, sensing, computing, software, payload, interface, and operating environment. The context is robotic pursuit of the Moon. Scope incorporates mechanism, electronics, software, locomotion, navigation, communication, sensing, power and thermal considerations. Additionally, space systems address challenges of low mass, energetics, space environment, and reliability of design. Media is incorporated to chronicle and represent the accomplishments. The course is appropriate for a broad range of student disciplines and interests. Course Learning Objectives include formulation, problem solving, robotics and developing space systems . Students work cooperatively in teams with guidance to produce mission-relevant results and practice technical communications through written and oral presentations. Teams generate term papers detailing the design, development, testing and lessons learned.

    Course Homepage

    16-865  Advanced Mobile Robot Development

    Professor: William (Red) L. Whittaker

    Course Description: 
    This course will develop the robot that CMU will drive on the moon to win the Lunar XPrize while mentoring the tributary technologies and creative process. The course will also claim the first cash from Google’s Lunar Milestone Prize by demonstrating flight readiness of the rover. The tributary technologies addressed in this course include mechanisms, actuation, thermal regulation, power, sensing, computing, communication, and operations. Process includes robot development and verification of functionality, reliability, and flight readiness. Relevant skills include robotics, mechanics, electronics, software, fabrication, testing, documentation, and systems engineering. The course is appropriate for a broad range of interests and experience.

    16-868  Biomechanics and Motor Control

    Professor: Hartmut Geyer

    Course Description: 
    The course provides an introduction into the mechanics and control of legged locomotion with a focus on the human system. The main topics covered include fundamental concepts, muscle-skeleton mechanics, and neural control. Examples of bio-inspiration in robots and rehabilitation devices are highlighted. By the end of the course, you will have the basic knowledge to build your own dynamic an control models of animal and human motions. The course develops the material in parallel with an introduction into Matlab’s Simulink and SimMechanics environments for modeling nonlinear dynamic systems. Assignments and team projects will let you apply your knowledge to problems of animal and human motion in theory and computer simulations.

    Course Homepage

    UNDERGRADUATE COURSES

    16-223  IDeATe: Introduction to Physical Computing

    Professor: Garth Zeglin

    Course Description: 
    Physical computing refers to the design and construction of physical systems that use a mix of software and hardware to sense and respond to the surrounding world. Such systems blend digital and physical processes into toys and gadgets, kinetic sculpture, functional sensing and assessment tools, mobile instruments, interactive wearables, and more. This is a project-based course that deals with all aspects of conceiving, designing and developing projects with physical computing: the application, the artifact, the computer-aided design environment, and the physical prototyping facilities. The course is organized around a series of practical hands-on exercises which introduce the fundamentals of circuits, embedded programming, sensor signal processing, simple mechanisms, actuation, and time-based behavior. The key objective is gaining an intuitive understanding of how information and energy move between the physical, electronic, and computational domains to create a desired behavior. The exercises provide building blocks for collaborative projects which utilize the essential skills and challenge students to not only consider how to make things, but also for whom we design, and why the making is worthwhile. This course is an IDeATe Portal Course for entry into either of the IDeATe Intelligent Environments or Physical Computing programs. CFA/DC/TPR students can enroll under 16-223; CIT/MCS/SCS students can enroll in the 60-223 version of the course. Please note that there will be lab usage and materials fees associated with this course.

    16-264  Humanoids

    Professor: Chris Atkeson

    Course Description: 
    This course surveys perception, cognition, and movement in humans, humanoid robots, and humanoid graphical characters. Application areas include more human-like robots, video game characters, and interactive movie characters.

    Course Homepage

    16-311  Introduction to Robotics

    Professor: Howie Choset

    Course Description: 
    This course presents an overview of robotics in practice and research with topics including vision, motion planning, mobile mechanisms, kinematics, inverse kinematics, and sensors. In course projects, students construct robots which are driven by a microcontroller, with each project reinforcing the basic principles developed in lectures. Students nominally work in teams of three: an electrical engineer, a mechanical engineer, and a computer scientist. This course will also expose students to some of the contemporary happenings in robotics, which includes current robot lab research, applications, robot contests and robots in the news.

    Course Homepage

    16-350  Planning Techniques for Robots

    Professor: Maxim Likhachev

    Course Description: 
    Planning is one of the core components that enable robots to be autonomous. Robot planning is responsible for deciding in real-time what should the robot do next, how to do it, where should the robot move next and how to move there. This class does an in-depth study of popular planning techniques in robotics and examines their use in ground and aerial robots, humanoids, mobile manipulation platforms and multi-robot systems. The students learn the theory of these methods and also implement them in a series of programming-based projects. To take the class students should have taken an Intro to Robotics class and have a good knowledge of programming and data structures.

    Course Homepage

    Prerequisites:

    • Introduction to Robotics

    16-362  Mobile Robot Programming Laboratory

    Professor: Alonzo Kelly

    Course Description: 
    This course is a comprehensive hands-on introduction to the concepts and basic algorithms needed to make a mobile robot function reliably and effectively. We will work in small groups with small robots that are controlled over wireless from your laptop computers. The robots are custom-designed mini forktrucks that can move pallets from place to place just like commercial automated guided vehicles do today. The robots are programmed in the modern MATLAB programming environment. It is a pretty easy language to learn, and a very powerful one for prototyping robotics algorithms. You will get a lot of experience in this course in addition to some theory. Lectures are focused on the content of the next lab. There is a lab every week and they build on each other so that a complete robot software system results. The course will culminate with a class-wide robot competition that tests the performance of all of your code implemented in the semester. In order to succeed in the course, students must have a 1) 2nd year science/engineering level background in mathematics (matrices, vectors, coordinate systems) and 2) have already mastered at least one procedural programming language like C or Java, and 3) have enough experience to be reasonably prepared to write a 5000 line software system in 13 weeks with the help of one or two others. When the course is over, you will have written a single software system that has been incrementally extended in functionality and regularly debugged throughout the semester.

    Course Homepage

    16-374  IDeATe: Art of Robotic Special Effects

    Professor: Garth Zeglin and Suzie Silver

    Course Description: 
    Inspired by the early trick films of George Melies, this project-oriented course brings together robotics and film production technique to infuse cinema with the wonder of live magic. Students will learn the basics of film production using animatronics, camera motion control, and compositing. The projects apply these techniques to create innovative physical effects for short films, all the way from concept to post-production. The course emphasizes real-time practical effects to explore the immediacy and interactivity of improvisation and rehearsal. The robotics topics include animatronic rapid prototyping and programming human-robot collaborative performance. The course includes a brief overview of the history of special effects and robotics to set the work in context. CROSS-LISTED COURSE: 60428

    Course Homepage

    16-375  IDeATe: Robotics for Creative Practice

    Professor: Garth Zeglin

    Course Description: 
    [IDeATe collaborative course]. This project-oriented course brings art and engineering together into making machines which are surprisingly animate. Students will iterate their concepts through several small projects focused on using embodied behavior as a creative medium for storytelling, performance, and human interaction. Students will learn skills for designing, constructing and programming simple robot systems, then exploring their results through exhibition and performance. Technical topics include systems thinking, dynamic physical and computational behavior, autonomy, embedded programming, and fabrication and deployment. Discussion topics include both contemporary kinetic sculpture and robotics research. Please note that there may be usage/materials fees associated with this course. CROSS-LISTED COURSES: 54375

    Prerequisites:

    • 62150 or 60223 or 15104 or 16223

    16-384  Robot Kinematics and Dynamics

    Professor: Howie Choset and George A. Kantor

    Course Description: 
    Foundations and principles of robotic kinematics. Topics include transformations, forward kinematics, inverse kinematics, differential kinematics (Jacobians), manipulability, and basic equations of motion. Course also include programming on robot arms.

    Topics Covered:

    • transformations
    • forward kinematics
    • inverse kinematics
    • differential kinematics (Jacobians)
    • manipulability
    • basic equations of motion

    16-385  Computer Vision

    Professor: Ioannis Gkioulekas and Kris M. Kitani

    Course Description: 
    This course provides a comprehensive introduction to computer vision. Major topics include image processing, detection and recognition, geometry-based and physics-based vision, sensing and perception, and video analysis. Students will learn basic concepts of computer vision as well as hands on experience to solve real-life vision problems.

    Course Homepage

    16-423  Designing Computer Vision Apps

    Professor: Simon Lucey

    Course Description: 
    Professor: Simon Lucey Semester: Fall and Spring Course Description: Computer vision is a discipline that attempts to extract information from images and videos. Nearly every smart device on the planet has a camera, and people are increasingly interested in how to develop apps that use computer vision to perform an ever expanding list of things including: 3D mapping, photo/image search, people/object tracking, augmented reality etc. This course is intended for students who are not familiar with computer vision, but want to come up to speed rapidly with the latest in environments, software tools and best practices for developing computer vision apps. No prior knowledge of computer vision or machine learning is required although a strong programming background is a must (at a minimum good knowledge of C/C++). Topics will include using conventional computer vision software tools (OpenCV, MATLAB toolboxes, VLFeat, CAFFE), and development on iOS devices using mobile vision libraries such as GPUImage and fast math libraries like Armadillo and Eigen. For consistency, all app development will be in iOS and it is expected that all students participating in the class have access to an Intel-based MAC running OS X Mavericks or later. Although the coursework will be focussed on a single operating system, the knowledge gained from this class is intended to generalize to other mobile platforms such as Android etc.

    Course Homepage

    16-450  Robotics Systems Engineering

    Professor: David Wettergreen

    Course Description: 
    Systems engineering examines methods of specifying, designing, analyzing and testing complex systems. In this course, principles and processes of systems engineering are introduced and applied to the development of robotic devices. The focus is on robotic system engineered to perform complex behavior. Such systems embed computing elements, integrate sensors and actuators, operate in a reliable and robust fashion, and demand rigorous engineering from conception through production. The course is organized as a progression through the systems engineering process of conceptualization, specification, design, and prototyping with consideration of verification and validation. Students completing this course will engineer a robotic system through its compete design and initial prototype. The project concept and teams can continue into the Spring-semester (16-474 Robotics Capstone) for system refinement, testing and demonstration.

    16-455  IDeATe: Human-Machine Virtuosity

    Professor: Garth Zeglin and Joshua Bard

    Course Description: 
    [IDeATe course] Human dexterous skill embodies a wealth of physical understanding which complements computer-based design and machine fabrication. This project-oriented course explores the duality between hand and machine through the practical development of innovative design and fabrication systems. These systems fluidly combine the expressivity and intuition of physical tools with the scalability and precision of the digital realm. Students will develop novel hybrid design and production workflows combining analog and digital processes to support the design and fabrication of their chosen projects. Specific skills covered include 3D scanning, 3D modeling (CAD), 3D printing (additive manufacturing), computer based sensing, and human-robot interaction design. Areas of interest include architecture, art, and product design. CROSS-LISTED COURSE: 48530

    Course Homepage

    Prerequisites:

    • 60223 or 16223

    16-467  Human Robot Interaction

    Professor: Henny Admoni

    Course Description: 
    The field of human-robot interaction (HRI) is fast becoming a significant area of research in robotics. The basic objective is to create natural and effective interactions between people and robots. HRI is highly interdisciplinary, bringing together methodologies and techniques from robotics, artificial intelligence, human-computer interaction, psychology, education, and other fields. This course is primarily lecture-based, with in-class participatory mini-projects, homework assignments, a group term project that will enable students to put theory to practice, and a final. The topics covered will include technologies that enable human-robot interactions, the psychology of interaction between people and robots, how to design and conduct HRI studies, and real-world applications such as assistive robots. This course has no prerequisites, but some basic familiarity with robots is recommended (programming knowledge is not necessary, but is useful for the term project).

    Course Homepage

    16-474  Robotics Capstone

    Professor: Cameron Riviere and Dimitrios (Dimi) Apostolopoulos

    Course Description: 
    In this course students refine the design, build, integrate, test, and demonstrate the performance of the robot they designed in the pre-requisite Systems Engineering Course (16-450). The students are expected to continue to apply the process and methods of Systems Engineering to track requirements, evaluate alternatives, refine the cyberphysical architectures, plan and devise tests, verify the design, and validate system performance. In addition, the students learn and apply Project Management techniques to manage the technical scope, schedule, budget, and risks of their project. The course consists of lectures, class meetings, reviews, and a final demonstration. Lectures cover core topics in Project Management and special topics in Systems Engineering. During class meetings the students and instructor review progress on the project and discuss technical and project-execution challenges. There are three major reviews approximately at the end of each of the first three months of the semester. For each review, the students give a presentation and submit an updated version of the System Design and Development Document. The course culminates in a System Performance Validation Demonstration at the end of the semester. In addition to that the students hold a special demonstration of their robotic system for the broader Robotics community.

    16299  Introduction to Feedback Control Systems

    Professor: Nathan Michael

    Course Description: 
    This course is designed as a first course in feedback control systems for computer science majors. Course topics include classical linear control theory (differential equations, Laplace transforms, feedback control), linear state-space methods (controllability/observability, pole placement, LQR), nonlinear systems theory, and an introduction to control using computer learning techniques. Priorities will be given to computer science majors with robotics minor.

    Course Homepage

    Prerequisites:

    • 15122
    • 21122

     

    展开全文
  • 文章目录2021年教师资格证 科目 高中数学 课程标准 简答题课程性质课程基本理念如何优化课程结构(课程内容选择依据,影响课程因素)六核心素养直观想象数学抽象四基、四能高中数学课程结构的设计依据体现数学...

    2021年教师资格证 科目三 高中数学 课程标准 简答题

    课程性质

    1. 基础性
    2. 选择性
    3. 发展性

    课程基本理念

    1. 学生发展为本,立德树人,提高素质
    2. 优化课程结构,精选内容,突出主线
    3. 把握数学本质,启发思考,改进教学
    4. 重视过程评价,聚焦素养,提高质量

    如何优化课程结构(课程内容选择依据,影响课程的因素)

    社会+人+学科

    1. 社会发展的需要(社会需要综合型、应用型、创新型人才)

      1. 强调数学与生活和其他学科之间的联系
      2. 增强学生应用数学知识解决实际问题的能力
      3. 渗透数学文化,提高创造能力
    2. 学科的特点

      1. 突出主线,彰显数学思维的逻辑性和严谨性
      2. 处理好知识技能与数学核心素养的关系
      3. 为学生的发展提供多种选择
    3. 关注学生

      一切为了学生的发展,充分考虑学生的认知能力、生活经验等

    六大核心素养

    直观与抽象、推理与建模,运算与分析

    2021上的重点是直观想象与数学抽象

    直观想象

    1. 含义:借助几何直观和空间想象认识事物,利用空间形式尤其是几何图形,理解和解决数学问题的素养
    2. 内容:借助空间形式认识事物的位置关系、运动规律;利用图形描述分析数学问题;建立数与形的联系,构建数学问题的直观模型,探索解决数学问题的思路
    3. 表现:建立数与形的联系;借助几何图形描述问题;利用几何直观理解问题;运用空间想象认识事物

    数学抽象

    1. 含义:对数量关系和空间形式的抽象,得到数学研究对象的素养。
    2. 内容:对数量与数量、图形与图形的关系中得到数学概念或数学概念见的关系,从具体背景中抽象出一般规律,并用数学语言予以表征。
    3. 表现:获得数学概念和规则,提出数学命题和模型,形成数学方法和思想,认识数学结构和体系

    四基、四能

    四基:基础知识、基本技能、基本思想、基本活动经验

    四能:发现和提出问题的能力、分析和解决问题的能力

    高中数学课程结构的设计依据

    1. 基本理念:一切为了学生的发展
    2. 课程方案:优化课程结构,精选内容
    3. 课程性质:基选发
    4. 课程特征:逻辑、严谨

    体现数学核心素养的四个方面

    1. 情境与问题

      情境主要指数学情境、现实情境、科学情境。问题主要指情境中的问题

    2. 知识与技能

      能够帮助学生形成核心素养的知识与技能。四基四能

    3. 思维与表达

      数学活动中能够严谨、清晰的表达出相关内容

    4. 交流与反思

      能够用数学语言进行表达交流,能够对自己进行正确的评价

    评价的目的

    学习成效。通过诊断检查学生的学习成效,进而评价教师的教学成效

    优势与不足。通过评价诊断学生的学习过程中的优势和不足,进而评价教师教学过程中的优势与不足

    学习方式/教学方式。通过诊断,改进学生的学习方式,进而改进教师的教学方式

    评价原则

    1. 关注核心素养的达成
    2. 重视过程评价
    3. 关心学生学习态度
    4. 注意评价的整体性和阶段性

    评价方式

    1. 评价主体多元化

      教师、学生自评、学生互评、家长评价

    2. 评价方式多样化

      口头测验、随堂测试、课堂表现、课内外作业等

    3. 形成性评价

      关注学生的发展,重视学生学习过程的评价,学生学习态度的评价

    展开全文
  • 近年来,随着互联网技术的不断进步,在线课程教学进入了飞速发展阶段,特别是由于2020年新冠疫情的突然爆发,各地教育部门纷纷倡议:利用网络平台,展开“停课不停学”,在线课程教学开始成为各中小学和高校的主要...

    摘要
    近年来,随着互联网技术的不断进步,在线课程教学进入了飞速发展阶段,特别是由于2020年新冠疫情的突然爆发,各地教育部门纷纷倡议:利用网络平台,展开“停课不停学”,在线课程教学开始成为各中小学和高校的主要教学方式之一。本课题基于此研究背景,以电子商务及法律专业学生为调查对象,从疫情防控背景下在线课程教学现状、特点出发,分析其在防控疫情背景下的难点和优点,并采用文献研究与实证研究相结合的方式,先阅读大量相关研究文献,构建相关模型并提出研究假设,然后通过问卷调查进行实证研究,分析疫情防控背景下在线课程教学用户的行为,探究疫情防控背景下在线课程教学满意度的影响因素及其对策。
    关键词:在线课程教学、
    1引言
    1.1选题背景
    1.1.1新冠疫情
    2019年12月以来,湖北省武汉市部分医院陆续发现了多例有华南海鲜市场暴露史的不明原因肺炎病例,后经证实为2019新型冠状病毒感染引起的急性呼吸道传染病。由此全国开启了戴口罩少接触、延迟上班上学的防疫措施。为防止新冠疫情的进一步扩散,2020年1月29日教育部发出倡议:利用网络平台,展开“停课不停学”,截至2月10日,全国大部分省市已推出明确的在线教学指导方案;各地一线大中小学校也纷纷提出本校的线上教学方案,并发布了相应的教学指南、工具教程等。根据在线教育第三方媒体的统计,截至2020年2月11日,已经有超过130多家在线教育公司,向武汉或全国提供各类在线教育资源、工具、平台、服务等。
    1.1.2在线课程教学的发展历程
    开放式课件(OCW)使用率很高学校利用互联网向社会开放教育资源的初步尝试,最初多采用以网站建设的形式,提供课程教学视频、课件、练习题等资料这些材料张贴在互联网上供学习者免费使用。2001年,麻省理工学院工程学院宣布推出开放式课件计划,目前提供2000多门课程就这些在线。在2007年,耶鲁大学推出了开放课程,这将是世界上最大的开放课程受学生欢迎的课程视频将随课程一起发送到网上课件.In我们的国家,2010年,网易推出“全球名校视频公开课项目”,为用户提供信息提供世界一流的精品课程资源,并在国内成功掀起一股热潮掀起网络学习热潮。目前,我国大部分高校都建立了精品课程网络平台。由于精品课程多为特色示范性课程,教学水平一流,因此,相关的教学视频和课件往往能提供更好的演示至使用国家精品课程资源网(京品客网)是较早的教育部牵头推进的国家级精品课程集中展示平台拥有国内外众多优质教学资源,已成为全国广大高校的教学中心为教师和学生提供一个交流和共享课程资源的平台。
    大规模的网上公开课,MOOC通常被定义为一门面向大量学习者的课程开放式网络课件(OCW)的普及率很高学校利用互联网向社会开放教育资源的初步尝试,最初多采用以网站建设的形式,提供课程教学视频、课件、练习题等资料这些材料张贴在互联网上供学习者免费使用。2001年,麻省理工学院工程学院宣布推出开放式课件计划,目前提供2000多门课程就这些在线。在2007年,耶鲁大学推出了开放课程,这将是世界上最大的开放课程受学生欢迎的课程视频将随课程一起发送到网上课件.In我们的国家,2010年,网易推出“全球名校视频公开课项目”,为用户提供信息提供世界一流的精品课程资源,并在国内成功掀起一股热潮掀起网络学习热潮。目前,我国大部分高校都建立了精品课程网络平台。由于精品课程多为特色示范性课程,教学水平一流,因此,相关的教学视频和课件往往能提供更好的演示至使用国家精品课程资源网(京品客网)是较早的教育部牵头推进的国家级精品课程集中展示平台拥有国内外众多优质教学资源,已成为全国广大高校的教学中心为教师和学生提供一个交流和共享课程资源的平台。大规模的网上公开课,MOOC(MOOC)MOOC通常被定义为一门面向大量学习者的课程联机打开当然。不像开放式课程,MOOC不仅仅带来传统课堂讲课被上传到互联网上,并为在线学习量身定做课堂设计,如助教,指导学习过程和分配任务。与开放式课程,MOOC不仅仅带来传统课堂讲课被上传到互联网上,并为在线学习量身定做课堂设计,如助教指导学习过程和布置作业
    教学反馈等,从而实现从课件到课程变化当然,可汗例如,Academy是在线教育的先驱它几乎把所有的学习过程都放到了网上,创建了翻转课堂(翻转课堂)、“满分十进阶”等全新概念学习方式改变了人们对教学的认识概念。教师可以借用帮助网络平台全面掌握学生的学习过程,学生可以自由学习安排学习时间,在学习过程中与老师实现一对一的沟通。目前,美国主要有三大在线开放课程教育平台,即Coursera、Udacity和edX,大学可以建立在自己或同一水平上台湾合作建设方式,将课程内容制作成15~20分钟的视频频率,释放到公共。开2014年5月8日,中国推出了自己的MOOC平台“中国大学MOOC”(www.icourse163.org/)正式启动中国所有的大学都可以使用这个平台进行课程设置建筑。开这个平台,它不仅可以发布教学内容,布置课堂作业,而且可以提高教学质量对学习者的学习行为进行多维分析,更符合语文教学教师的教学模式和学生的学习习惯。小型私人在线课程,与mooc相比,SPOC省去了“质量”方面,相反,交换小的学习小组来获得高质量的学习结果。到参与SPOC的大部分学生都是大学生,参与人数从几十人到几人不等一百人。学生可以观看教学视频、参与课堂讨论和在线参与提交作业等,以完成大学特定的学习课程并获得适当的信息这个学分传统的教学模式下,学生在课堂上往往出现学习敷衍期末考试前突击复习,期末考试后快速遗忘等问题。但在网络课程中,学习过程设计得更为细致,比如说短文小而简洁的教学视频,积极有效的课堂交流,基于过程的评价价格模型,等在视频中穿插一些小练习,你可以更好地集中精力学习学生在网上互相批改作业,可以提高学生的注意力相互之间的交流,有效地提高了学习效果,使原来在课堂上接受知识的学生积极参与学习过程。学生可以根据个人的具体情况调整学习计划;教师可以把解决问题的对象放在学生学习上,初步做到因材施教。
    1.2研究方法

    1.2.1文献分析法
    本研究理论依据主要来自于大量的国内外相关论文,通过文献分析,分别对在线课程教学的构成要素、学习者满意度模型构建的研究现状及趋势等进行综述研究,理清本文的研究思路,为确定本文选题、建立研究模型提供有效的借鉴与启发,使本文可以在前人的研究进一步延伸和创新。
    1.2.2问卷调查法
    本研究通过问卷调查法,向一定量的电子商务及法律专业大学生发放问卷,为数据模型的量化分析提供数据支撑。本研究在“问卷星”网站平台上制作问卷,然后利用“QQ群聊”、“微信群聊”、“微信朋友圈”、“微博”、“QQ空间”等线上方式向大学生群体发放问卷,并筛选出无效问卷,以保证样本数据的准确性。
    1.2.3数据分析法
    本研究使用SPSS20.0软件进行了相应的数据分析。其中包括:描述性统计分析、信度和效度检验、探索性因子分析、相关分析、回归分析,并根据分析所得结果检验研究假设,最后得出疫情防控背景下在线课程教学用户满意度的影响因素并提出相关改进对策。

    1.3 研究意义
    2020年初,受新冠肺炎疫情影响,教育部连发多条通知,要求各级各类学校以线上教学的方式实现“停课不停教、停课不停学”,在线课程教学在全国范围内全面展开,提高在线课程教学的满意度变得尤为重要。疫情防控背景下的在线课程教学满意度影响因素研究与对策探讨可以完善用户体验和提升教学满意度,为在线课程教学的发展提供参考。综上所诉疫情防控背景下在线课程教学满意度影响因素分析与对策探讨研究兼具理论意义与现实意义。
    1.3.1理论意义
    目前疫情防控背景下在线课程教学的理论研究尚不成熟,且疫情防控背景下的在线课程教学理论知识的发展满足不了目前实际发展的速度。本课题在前人研究的基础上,研究疫情防控背景下在线课程教学满意度的影响因素与对策探讨,从而推进疫情防控背景下在线课程教学的理论研究,进一步丰富在线课程教学的理论体系。
    1.3.2现实意义
    在线教育近年来发展迅速,但是仍然受许多因素制约,在很多方面都有很大的提升空间。本课题将疫情防控背景下的在线课程教学满意度做为研究对象,从而发现影响疫情防控背景下在线课程教学满意度的因素,完善用户体验,从而进一步提高在线课程教学满意度,助推在线课程教学的发展。

    1.4 研究创新
    本文将在之前有关学者的研究基础上,对特定条件下的在线课程教学(即新冠疫情防控背景下的在线课程教学)进行研究与分析,借鉴顾客满意度模型理论,在美国满意度指数模型(ACSI)
    理论的基础上,构建学习满意度模型。并利用结构方程模型进行数据分析与统计;

    2在线课程教学用户满意度相关概述
    2.1相关概念界定
    2.1.1 在线课程教学
    (二)在线课程学习
    1.在线课程学习的概念
    Susanna Tsai (2002)通过拆分合成词e-learning,并进行概念分析和对比,认为在线学习就是通过计算机访问学习内容的方式,这些学习内容既可以在web(网络)和Internet(因特网)上呈现,也可以简单地存放在CD-ROM或计算机硬盘上。①钟志贤(2002)认为在线学习指的是由因特网提供的课程与学习,它是一种适应环境迅速发展变化,或引发环境迅速发展变化的策略。。由此可见,早期对在线学习的定义突出的是学习媒介—Internet,关注的是学习环境的特征一一Online,因此是从技术特征出发赋予其初始价值。
    但黄怀荣(2003)认为这样的概念过于泛化,只是强调计算机媒介的作用,而忽视了学习者的地位和价值。而概念的界定应该立足于区别其他概念的最基本特征,即要突出其成之为其的独特性和本质特征,显然对特例的说明不足以概括这一形式的学习,因此需要更加精确地描述在线学习的特征。远程学习是指空间上分离的教师与学习者进行交互的过程,同时教师能对学习者给予及时的反馈。
    (Susanna Tsai, 2002),远程学习的本质是在充分发挥技术的功能,使学生使集体分离、与教师分离的情况下,教育和学习过程还能继续下去并取得成功
    (Keegan, 2000)。因此,许多学者从信息技术发展历程的维度,从学习方式变化的角度,认为在线学习是远程教学一种形式,并逐渐突出在线学习中学习者自主学习的特性。
    杨素娟(2009)认为,在线学习是随着互联网的发展而兴起的一种全新的学习方式,是现代远程教育的重要组成部分。是指在网络环境下,以现代教育思想和学习理论为指导,充分发挥网络的各种教育功能和丰富的网络资源优势,向教育者和学习者提供一种网络教和学的环境,传递数字化内容,开展以学生为中心的非面授教育活动。衷克定(2011)指出在线学习是学习者通过应用计算机网络通信技术,获取学习相关的数字化资源而实现的一种远程学习的形式。曹良亮
    (2014)认为,在线学习是目前一种应用较为广泛的远程教学形式,在丰富的数字化资源以及各类学习支持系统的支持和辅助下,在线学习者能够灵活调整和控制自己的学习活动和学习过程,充分发挥学习者的自主性。内涵的界定越多,其概念的外延就越狭小。总之,对在线学习概念的界定既需要肯定技术的作用以及因特网发挥的媒介作用,但更重要的还是要关注其促进学习的价值。出于研究的需要,本文将从内容和形式两个方面对在线学习进行界定。
    在线课程的出现是对传统课程的变革,它深刻地改变了传统的学习方式,使自主学习和实现学习机会平等成为可能。从内容上看,在线学习的内容是课程内容,课程是指学校里的学生应当学习的学科总和及其进程与安排,既包括各种学科门类,又包括有目的有计划的教育活动,所以在线学习的内容是有系统、有计划的课程。而形式上,在线学习是通过互联网实现的一种远程学习,其本质为非面授的学习活动。综上所述,本文界定的在线课程学习是指通过互联网设备(如电脑、手机等)实现的在线课程的学习活动。
    2.1.2 用户满意度
    在谈学习满意度之前,我们先探讨一下满意、满意度的定义,“满意”一词在
    《教育大辞典》中是如下释义的:满意即意愿满足,满足指个人获得到他所需求的
    就会感到满足,需求强度越高,则就愈感到满意。[81从释义可以看出满意是人在获
    得个体经验时期望与实际情况之间的差距,差距越小越满意,差距越大,人对现实
    的需求欲望获取不到则会越不满意。满意度是一个模糊且抽象的名词,会因目的和
    对象的不同出现差异。满意度是个体行为出现的动机,是追求目标的一种内部心理
    状态,是个体实现目标的心理渴望。
    国内外学者对于学习满意度的定义,大多侧重于学习活动内容、方式、过程及
    成果,内在主观的感受。在学习过程中,感到满足或超过预期的期望值,则为满意;
    低于期望值,则为不满意。由于专家们对学习满意度研究的侧重点不同,对其的定
    义也有较大的差异。如表2.1所示。Tough(1982)学习满意度是指学习者在学习活动或过程中的一种感觉或态度,这种感觉和态度是因为学生的愿望及需求能够获得满足,学习满意度可以用于解释学习者参与学习活动的动机和结果。[9]Martin(1994)满意是指个体对经验获得的期望与实际感受之间的差异性,当学习者所感 受到的等于或超出所期望的,感觉到满意;反之,则不满意。[10] 杜绍萍(1999) │学习满意度指学习者对学习整体的感觉和反应,这种感觉或态度来自于学习的结果,是否满足学习者的需求和愿望,以及学习经验是否让学习者感 到愉快。[II]黄玉湘(2001) 学习者在参与学习活动后,达成学习前所期望的目标,学习需求获得满足; 在心理上产生愉悦的感觉,并对学习活动有更积极的态度。121张毓凌(2005)学生对学习活动主观感觉的程度,这种对学习活动喜欢、或愿望需求满足 的程度被称之为学习满意度。[13] 曾美华((2006) E-learning学习环境的满意度可分为三个方面内容:教材设计、学习环境互动、学生学后的回馈推广。[14]综合以上学者的概念论述,我们认为学习满意度指的是一种心理上的愉悦感,在学习过程中的期望及需求获得满足。这种感受的形成能让学习者喜欢该学习活动,在没有监督的情况下,为了获得这种感受而愿意主动参与到学习活动中去,完成学习过程。

    2.2 在线课程教学用户满意度研究现状
    2.3.1国外研究现状
    国外的在线教育由最初的远程教育平台向在线教育阶段发生转变,技术的发展
    使得教育的形式也在发生变化,从原先的单向书信传递阶段到平台实时交互阶段转
    变。目前,国外研究者对在线课程学习满意度的研究主要的关注点在以下的凡个方
    面:满意度概念模型的设计;在线课程学习服务质量和在线课程管理。关于在线学
    习满意度概念模型方面的研究,韦伯斯特等则认为学生E-learning满意度会受到技
    术的特性、教师的特性、学生的特性和课程的特性四个方面的影响。
    大学生进行远程学习的学生进行了问卷调查,揭示了五个影响学生远程学习满意度
    的重要方面:学生和教师之间的互动;学生与学习内容之间的互动;学生之间的互
    动;学习者与学习界面之间的互动;学生自主权((Bray,E.Aoki,K. & Dlugosh,L.2008) o
    [20】关于对服务质量与满意度、学习者意向行为与满意度之间的关系研究方面,
    Woodside等建立了第一个评价服务质量感知、顾客满意判断和行为意向三者之间的
    模型,用实证研究结果表明顾客满意感是一个介入变量,在服务质量和购买意图之
    间起中介作用(Woodside,A.G.,Frey,L.L.& Daly,R.T.,1989)0 I2’I
    2.3.2国内研究现状
    国内的信息化水平随着国际环境的变化在不断地提高,我国的在线教育市场规模呈现迅速增长的趋势。根据最新的尚普资料数据显示,我从网络教育市场的规模在2004-2012年期间达到了580亿元的增长,为2004年总额的五倍,平均复合增长率为22.5%,初步估计两年后的教育市场规模将会达到1200亿元。[2212004-2012期间的增长金额将会在三年内达到2004-2012八年期间的增长率,国内的在线教育市场将迎来百家争鸣的局面。其中获利最大的将会是阿里巴巴、Temasek等融资金额达1亿美元的大型网络企业,沪江网、传课网、猿题库等网站紧随其后。
    在线学习迅速发展的同时,国内对在线学习满意度的研究也有了初步的理论基础。学者王莉艳等借鉴美国顾客满意度模型ACSI,在参考了其他模型的基础_卜,构建了远程教育顾客满意度测评的模型架构、指标体系和计算方法(2007);[23]李莉和李峰在《中国网络远程教学满意度指数模型实证分析》一文中,对美国顾客满意度指数进行调整之后,提出了中国远程教育学员满意度指数模型,并进行了实证分析(2009);[241赵国栋和原帅以北京大学教学网为例进行研究,设计了由学生特点、教师特点、课程特点和系统功能特点四个维度组成,并根据这四个维度设计了满意度分析模型和量表,通过调查研究得出了学生对电脑学习适应性、认知有用性、教师关于作业及考试回应及时性、认知易用性、课程适用性是影响混合式学习学生满意度的显著因素(2010)。}2s】高等教育领域的学者胡子祥通过实证研究发现,高等教育服务质量对学习者的满意感产生直接和间接的重要影响(2006);X261黄复生通过对大样本的数据调查和利用对结构方程模型进行系数分析,按照服务质量到服务价值到服务满意感到最后的行为路径的路线进行分析(2011)。f271这些研究对于在线课程的学习满意度的影响因素或维度具有重要的价值。
    综上所述,对高等教育领域学习服务质量、满意感、行为意向以及学习者参与等方面的研究己经开始出现,并且在某些方面的研究还比较多,这些研究成果对于本文的研究都具有一定的启发意义。在对在线课程学习满意度的研究上将会注重学习者的真实感受,从学习者自身的角度出发评价在线课程,注重从实践的角度进行研究,也会更加重视远程学习过程中学生的主观感情。但是目前还没有人针对在线课程的学习满意度的现状及问题、对策进行研究。

    3在线课程教学学习者满意度研究假设
    3.1理论基础与研究变量选取
    顾客满意度:是指消费者对所付出的代价与所分享的收益是否合理进行评判的一种心理认知状态(Howard J A, Sheth J N,1969)。学习者满意度:学习者在接受教育服务的过程中,在学习收获与学习期望对比产生的一种心理感受(魏华飞 2005)。顾客满意度模型:是衡量产品属性和服务质量的体现手段,现有诸如美国满意度指数模型 (ACSI)、欧洲顾客满意度指数模型(ECSI)、瑞典顾客满意度指数模型(SCSB)等,其中 ACSI 模型影响范围更广,其测量指标和维度的设计更加合理,可操作性更强,在全球范围最受青睐,一度成为主流应用模型。ACSI顾客满意度指数模型如图 1 所示。

    在 ACSI 模型中有 6 个结构变量,其中顾客期望、感知价值、感知质量是原因变量,而顾客抱怨和顾客忠诚则是结果变量;三个原因变量直接对满意度直接产生影响,感知质量和顾客期望通过感知价值间接对顾客满意度产生影响。ACSI 模型对满意度很有说服力和理论基础,所以笔者将在线课程教学过程视为一种服务,利用 ACSI 理论对在线课程教学满意度影响因素进行实证研究。
    ACSI 模型体系完善、易用、好用,具有很好的应用效果。在本研究中,将 ACSI 模型中顾客忠诚变量改成学习者对在线课程教学继续学习意愿(即,对课程质量和服务感到满意,就会继续学习),去掉顾客抱怨结果变量;同时增加在线课程教学交互和环境结构变量,因为有一些研究发现教学交互与感知质量、感知价值及顾客满意度有直接的关系(徐亚倩,陈丽 2018,. 赵钊,郭洋琳, 2018,郑勤华,于畅,陈丽 2016,孙洪涛等 2016)。
    3.2.1学习者期望
    原有ASCI模型中,顾客预期是指顾客在购买和使用某种产品或服务之前对其质量的估计。顾客期望来源于以前的经验、广告宣传、他人的评价等;结合本文研究,学习者期望即是指学生在整个在线课程教学学习过程中的整体预期。
    H1:在线课程教学中,学习者期望对学习满意度有正向影响作用。

    3.2.2感知质量
    感知质量是指顾客在使用产品或服务后对其质量的实际感受,包括对产品顾客化即符合个人特定需求程度的感受、产品可靠性的感受和对产品质量总体的感受。在本研究中,将感知质量定义为学习者学习后对在线课程教学质量的实际感受。
    H1:在在线课程教学中,学习者期望对感知质量有正向影响作用。

    3.2.3感知价值
    感知价值体现了顾客在综合产品或服务的质量和价格以后对他们所得利益的主观感受;感知价值的观察变量有2个,即:“给定价格条件下对质量的感受”和“给定质量条件下对价格的感受”。顾客在给定价格下对质量的感受,是指顾客以得到某种产品或服务所支付的价格为基准,通过评价该产品或服务质量的高低来判断其感知价值。而在本研究中,将感知价值定义为用户在付出与成本之间进行的价值判断,通常包括支付的时间、精力、费用等,本研究以在线课程教学所学知识用途、学习能力提升、付出时间与精力价值等三个指标对感知价值进行测量。

    3.2.4教学交互
    指教与学的过程中师生、生生以及与平台之间的多向信息流动,通过教学交互诱导学生的积极思维,调动其主动性,从而促进教学目标的实现。本研究以生生交互、师生交互、平台交互三个指标对教学交互进行测量。

    H2:在在线课程教学中,。

    3.2.5学习满意度
    是指在线课程教学学习过程中和学习后的评价与满意程度。基于上述概念界定, 本研究从平台使用、教学内容、教学活动、教学评价四个维度进行测量。

    3.2.6继续学习意愿
    指对学习感到满意,从而愿意继续学习。

    3.2.7环境
    指在线课程教学过程中的软硬件设施情况和新冠疫情防控背景下学生学习心理情况;

    3.2.7学习者自我因素

    3.3变量界定及研究假设

    3.4研究模型

    2.2.1顾客满意度

    2.2.2某某模型

    4问卷调查及数据分析
    4.1问卷设计与发放
    4.2样本描述性统计分析
    对样本数据的人口统计特征进行分析,包括性别、年级、月平均生活费三部分信息。

    表4-1 描述性统计分析

    4.3信度与效度检验
    4.4相关分析与回归分析
    4.5新冠疫情防控背景下在线课程教学满意度影响因素实证分析
    5 结论与建议
    5.1 研究结论

    5.2 研究的实践意义

    5.4 研究局限
    5.5 建议与展望

    展开全文
  • Scratch 3.0建站指南(课程管理

    千次阅读 2018-11-15 21:04:58
    Scratch 3.0建站指南(课程管理线下机构是否需要针对线上进行课程管理?1.是否需要将线上作为一种获客来源2.是否需要线上课程为线下授课提供支持3.是否需要一种在授课时间以外的与学生的沟通工具4.是否需要学员...

    课程是教育与培训的核心部分,课程管理的复杂与否来源于授课与受众的需求满足程度。一般来讲,如果主要面向线上部分,那么课程管理的复杂度和安全性要较之线下部分高很多。本篇里我们假设主要面向线下机构的线上课程管理部分。

    线下机构是否需要针对线上进行课程管理?

    这要取决于以下几个因素:

    1.是否需要将线上作为一种获客来源

    2.是否需要线上课程为线下授课提供支持

    3.是否需要一种在授课时间以外的与学生的沟通工具

    4.是否需要学员能主动的帮助进行机构宣传

    如果以上皆是,那么线上课程管理就是必要的。

    我们可以想象几种场景:

    第一种场景:

    线下机构在商场、学校周边等派发宣传手册,引导家长到机构官网,这里会提供几堂Scarch3.0 的试听课,教学生制作一些有趣的动画或者诗文,学生和家长满意后或联系机构或机构主动联系,开展线下课程。

    另一种场景:

    在线下机构开展课程后,为了巩固学员的学习成果特别是初期提供熟练度,需要布置一些随堂作业,这样在两次线下培训之间可以提高学习效果,在开展新的课程时也比较容易进入状况。

    课程的基本设置

    那么从最基本的设置来讲,课程的设置可以分为阶段-课-节, 阶段可以设置为试听、初级、中级、高级… 对应于不同的程度或者不同的内容,课隶属于阶段,第一课、第二课、第三课….,课程设置的最基本单位是节,节隶属于课,第一课-第一节,第一课-第二节…

    节的构成主要来源于两部分,一是是否含有视频,这里主要是录播视频,因为不是以线上授课为主,所以视频的内容除试听课外,时长应该相对较短,10-15分钟左右为宜。小型机构对于视频的态度会比较纠结,一个问题是视频制作和管理问题,一个是视频安全问题。

    视频制作的问题

    第一个问题,视频制作的问题,一个是录音,一个是后期制作,录音可以上真人也可以是背景音,录音完成后再依据内容进行后期制作,视频录制和制作虽然不需要特别专业的人员,但需要专业的工具,比如Camtasia(喀秋莎),价格在人民币不到2,000,这个工具(或其他工具)还是需要一定的学习成本,以上因素可能会阻挡相当一部分的线下机构,但也因为这样的障碍,也就形成一定的门槛。视频制作后需要寻找视频供应商,来提供视频点播服务,你需要为这个服务付费,主要是流量的费用,比如1元/G,视频的播放需要使用供应商提供的API,这个除了是来源于数据统计等方面的需求,还是因为你使用H5播放video时,会出现卡顿的现象,供应商的API在这方面做了优化。

    另外是视频是否安全的问题,对于特别注重视频安全的客户,供应商提供了一些方法,通过token和变化地址等方式让视频的获取变得困难,但对于中、小机构而言,这个问题实际上没有想象的那么严重,一个是你在视频中可以打入水印,二是视频的演示中可以引入一些机构特有内容等。

    以上问题的累加,会影响线下机构对于视频的态度。到底要不要视频呢?仁者见仁。

    脚本(素材)

    节的另一主要构成部分是脚本(素材),你可能需要配合课程提供一些costume, background,sound之类的初始脚本(素材)提供给学员使用,因此需要能够将脚本与节进行绑定,脚本可以上传到后端,并推送到学员前端。

    脚本是否有安全性的问题?有也没有,有是因为毕竟是机构的智慧产出,需要一定程度的保护,没有的原因是,只要跟随你的在线课程,素材和脚本就都是可以保存在本地的,所以,不建议在素材方面进行过多的关注。

    课程的进度安排

    因此课程的进度是这样安排的,学员会自动或后台手动获得一个初始阶段,比如从初级-第一课-第一节开始进行学习或者作业,如果有视频,会先观看视频,有初始脚本(可以备注作业要求)会同时载入初始脚本,

    学员完成要求后,提交作业,讲师(可以后台角色设置)可以对提交的作业进行批改,如果没有通过,学员在下次访问时会获得讲师的评语并停留在当前的作品阶段,不需要再载入初始脚本,因为初始脚本已经包含在了当前的作品中了。

    如果作业通过,那么学员进度会自动进入下一节,如果当前节是课的最后一节,会进入下一课第一节,如果是当前接单最后一课,会进入到下一阶段第一课第一节。这里还有个问题需要处理,如果下一节有初始脚本,那么会载入初始脚本,如果没有初始脚本,会自动载入学员上节的作业,因为,一个完整的作业可能需要几节的课程才能完成。

    不论哪种方式,在需要进入下一节时,上节的内容都要被自动存档,学员可以进行回顾和分享。

    如果课程设置更复杂一步,学员可能自由选课,那么就需要可以考虑在阶段上边设置系列,学员可以根据选择的系列的进行演进,这个功能的需求,偏线上的应用多于偏线下的应用。

    即时通讯?

    在学员在家里进行作业的时候,是否需要提供一个即时通讯的功能?这实际不是一个技术问题而是一个服务问题,对于纯线上教学,这个是必要的,不然在学员遇到障碍时会有很大的挫折感。线下机构的问题是,在课程期间的18:00 - 22:00之间是否能提供在线服务,如果不能或者没有足够的资源,那么宁愿学员把问题带到下一次线下授课里。

    好,关于课程设置的问题,我们先聊到这里,下一节内容再见!

    参考网站 https://www.wecoding.com.cn

    展开全文
  • 大学生观看直播时长影响因素分析

    千次阅读 2019-09-30 23:51:13
    2017年应用统计作业,现在翻出来了,多元回归探究学生观看直播时长影响因素
  • AMD OpenCL 大学课程

    千次阅读 2014-04-05 18:29:56
    AMD OpenCL大学课程是非常好的入门级OpenCL教程,通过看教程中的PPT,我们能够很快的了解OpenCL机制以及编程方法。下载地址:http://developer.amd.com/zones/OpenCLZone/universities/Pages/default.aspx  教程中...
  • 清华EMBA的第次课,大家都已经渐渐了解了课程系列的基本节奏,也逐步适应了思考的基本思路,本次课程涉及到的所有内容都非常专业,闲话少述,直入主题了。 李稻葵教授部分: 引言 学习中国经济与金融此课程的...
  • 我的CSDN博客地址:红色石头的专栏 我的知乎主页:红色石头 我的微博:RedstoneWill的微博 我的GitHub:RedstoneWill的GitHub 我的微信公众号:红色石头的机器学习之路(ID...如果M很,那么就不能保证机器...
  • 整个下山过程由两个因素影响:一个是下山的单位方向 v v v ;另外一个是下山的步长 η η \eta 。 利用微分思想和线性近似,假设每次下山我们只前进一小步,即 η η \eta 很小,那么根据泰勒Taylor一阶展开,...
  • 2D到3D的转换需要考虑的因素包括: ①相机pose的影响 ②接地点 ③稳定性 (3)第二是时序信息计算,主要是针对跟踪处理,需要注意以下几点: ①对相机帧率和延时有要求,要求跟踪必须是一个轻量级的模块,因为检测已经...
  • 也就是说,VC Dimension、noise、N这因素影响过拟合现象的关键。 二、The Role of Noise and Data Size 为了尽可能详细地解释overfitting,我们进行这样一个实验,试验中的数据集不是很。首先,...
  • 篇章的一二四理论朗朗上口,一套管理体系,人力资源与战略二条主线,理想价值观、战略与制度、时间与执行三大重点,选育用留四个步骤构筑了人力资源的全部篇章,理性知识、感性知识与活性知识明晰了知识体系的全部...
  • 《计算机网络课程设计》作业说明 1. 目的:本作业的目的是希望同学们学以致用,能够将课程上教授的理论内容在自己的工作生活实践中加以印证,理解计算机网络设计的基本内容即可。 2. 方法:同学们可以结合自己...
  • 第35课、课后思考 前面技术介绍时说的开放问题,大家可以思考。例如Corner case的处理。... 推导Pitch角对距离误差的影响,假设Pitch角标定的时候,有0.1度的误差,请推导对距离估计有多影响
  • 承诺规则 - 透过承诺的方式可以幅度提升出勤率(公开表态对于出勤率有很影响); 社会认同 - 通过利用人类的从众心理看看,利用了我们进行是非判断的标准就是看别人是怎么看的,而自身其实没有严格的判断标准; ...
  • 这是《Python数据挖掘课程》系列文章,也是我上课内容及书籍中的一个案例。本文主要讲述时间序列算法原理,Pandas扩展包基本用法以及Python调用statsmodels库的时间序列算法。由于作者数学比较薄弱,自己也还在学习...
  • 测试学生对学习的社会环境感知的跨文化概括性以及小组社会心理特性三因素理论的可操作性(Moos-Bales),平均课程结束成绩为 166在印度拉贾斯坦邦随机抽样的 83 个普通科学班的好学和非好学成员组,对影响、任务定位...
  • . 需求分析 4 3.1 带宽 4 3.2 子网与VLAN规划 4 3.3 实现的信息服务 4 3.4 应用程序 5 3.5 存储系统分析 5 3.6 系统及数据安全分析 5 3.7 QoS 5 3.8 网间隔离 6 四. 拓扑图及方案整体描述 7 4.1 主干网传输方案...
  • 机器学习三要素之数据、模型、算法

    千次阅读 多人点赞 2019-06-20 19:38:58
    注: 本系列 课程源于李烨 · (微软高级软件工程师)老师的文档 在gitbook 上可以买到李老师课程。 机器学习三要素包括数据、模型、算法。简单来说,这三要素之间的关系,可以用下面这幅图来表示: 总结成一句话...
  • Probabilistic interpretation,概率解释  解释为何线性回归的损失函数会选择最小二乘  , 表示误差,表示unmodeled因素或随机噪声...但是影响房屋价格的因素其实很多,而且有很多随机因素,比如买卖双方的心情  而
  • 它是被动式的,接受自然可见光的反射最后成像,受光照影响,白天的算法在晚上使用,开路灯和不开路灯的对感知结果影响,所以对算法研发挑战很。它的优点是可以稠密感知,比如说现在的1080p图像,可以感知...
  • 用arcmap制作,分析雄安新区16个特色小镇空间位置关系,及其影响因素,内含文件地理数据库,.mxd工程,成果图片,以及最终文档,是城市地理信息系统课程设计成果。其中分析主要做了核密度分析,公路铁路缓冲区与小镇...
  • 我们看到条件差不多的两个人,只是在某些方面相似,比如读书能力或者人际关系,而影响人成功的因素既有外部客观因素,也有自身努力的内在因素。 明白这些因素,也许会让我们在面对困难时,少一些焦虑。 ...
  • 注: 本系列 课程源于李烨 · (微软高级软件工程师)老师的文档 在gitbook 上可以买到李老师课程。 机器学习三要素包括数据、模型、算法。简单来说,这三要素之间的关系,可以用下面这幅图来表示: 总结成一句...
  • “半面创新”课程体会半面创新这门课给我的启发很。除了周宏桥老师说他的这本《半面创新:创新的可计算学说》一书可以传世500年之外。我更加隐约体会到的一点是:创新,极有可能存在一个大道至简的...
  • 机器视觉三要素 1、what—测量、判断 2、why—灵活性、自动化 3、How—图像信号→数字信号→抽取目标特征→自动识别 典型的工业机器视觉系统五组件 1、照明—光源(对比度、亮度、鲁棒性) 2、镜头—定焦镜头...
  • 《软件项目管理》课程知识总结

    万次阅读 2014-11-25 17:06:02
    这篇文章是结合《软件项目管理》课程知识进行总结,相当于自己的在线笔记,主要包括9知识领域:范围管理、时间管理、成本管理、质量管理、人力资源管理、沟通管理、采购管理、风险管理和综合管理,希望对大家有所...
  • 数据分析与预测课程设计

    千次阅读 2020-05-07 16:37:58
    课程编号:400802020 课程名称:数据分析与预测课程设计 考试形式:作业设计答辩(非笔试) 一、设计考核说明: 运用所学的机器学习知识,基于Python或R或C编程环境,根据下面给出的要求,选择相关分析...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 34,567
精华内容 13,826
关键字:

影响课程的三大因素