《機器視覺與邊緣計算應用》的課程目標為熟悉目標檢測的常用演算法，並在此基礎上應用OpenVINO平臺，實現典型的機器視覺應用。學習該課程前需要掌握機器學習的基本原理，瞭解深度神經網路的常用演算法更佳，也需要一定的Python程式設計基礎。

該課程大綱有六個模組（15周學習時間）：

1.神經網路基礎（需要理解神經網路的基本原理，能夠利用梯度下降法推導網路的訓練過程；熟悉網路訓練過程中的常見問題以及優化方法。）（1-3周）

2.卷積神經網路基礎（深刻理解卷積操作；熟悉常見的卷積神經網路演算法的基本原理；使用常見的卷積神經網路解決典型的圖形處理問題；瞭解OpenVINO以及安裝和配置。）（4-6周）

3.目標檢測基礎（理解典型的目標檢測演算法原理；使用OpenVINO實現目標檢測演算法於經典情景。）（7-9周）

4.基於OpenVINO的目標識別（使用OpenVINO實現典型目標檢測；推理引擎應用。）（10-11周）

5.基於OpenVINO的邊緣計算應用（學習使用OpenVINO解決實際問題的思路以及實現方法。例如：智慧交通燈控制、車道識別等。）（12-13周）

6.使用OpenVINO解決實際問題。（使用OpenVino的實踐和創新型應用：使用OpenVino解決實用邊緣計算場景的新問題。）（14-15周）

根據網路授課教師制定的學習進度、一起學習的同學分享的培訓課程和配合相應的網站練習（