课程大纲

人工智能简介

  • 人工智能的历史
  • 定义和术语
  • 人工智能与人类智能
  • 未来趋势和潜力

Machine Learning 基础知识

  • 机器学习的类型:有监督的、无监督的、强化的
  • 关键 ML 算法
  • 机器学习工作流程:从数据收集到模型评估

Data Management

  • 数据收集技术
  • 数据清理和预处理
  • 数据分析和可视化

人工智能在实践中

  • 人工智能应用案例研究
  • 行业特定的 AI 解决方案
  • 消费品中的人工智能

伦理考量

  • 人工智能和工作岗位流离失所
  • 人工智能中的偏见和公平性
  • 隐私和安全问题
  • 人工智能伦理的未来

实验室项目

  • Python 编程作业
  • 使用真实数据集的数据分析项目
  • 开发简单的 ML 模型

摘要和后续步骤

要求

  • 了解基本编程概念
  • 具有 Python 编程经验
  • 熟悉基础统计学和数学

观众

  • IT 专业人员
 14 小时

即将举行的公开课程

课程分类