课程大纲

高级 Neural Networks

  • 深度学习架构
  • 卷积和递归神经网络
  • 生成模型和无监督学习

Machine Learning 大规模

  • 大数据分析
  • 面向 ML 的分布式计算
  • 高级优化技术

Reinforcement Learning 和决策

  • 马尔可夫决策过程
  • 策略梯度方法
  • 多智能体系统与博弈论

自然语言处理和理解

  • 先进的 NLP 技术
  • 情感分析和文本分类
  • 语言模型和转换器

Computer 视觉和感知

  • 图像识别和目标检测
  • 视频分析和动作识别
  • 3D重建和增强现实

人工智能伦理与社会

  • 人工智能系统中的偏见和公平性
  • 人工智能治理和政策
  • 人工智能的未来社会影响

实验室项目

  • 实现高级 ML 模型
  • 分析大型数据集
  • 合作开展小组研究项目

摘要和后续步骤

要求

  • 对基本的 AI 和 ML 概念有扎实的理解
  • 精通 Python 并熟悉数据科学工具包
  • 完成人工智能入门课程或同等经验

观众

  • 数据科学家
  • 工程师
  • 人工智能从业者
 21 小时

即将举行的公开课程

课程分类