Skip to content

Latest commit

 

History

History
117 lines (104 loc) · 7.23 KB

北京大学微软亚洲研究院人工智能与信息社会大纲（MOOC）-北大陈斌.md

File metadata and controls

117 lines (104 loc) · 7.23 KB
Raw

授课目标

本课程的目标，是为大学生和社会公众提供一个深入理解人工智能的入门基础，使学生初步了解人工智能技术的基本概念、发展历史、经典算法、应用领域和对人类社会的深远影响，从而打开学习人工智能的大门，为学生今后在人工智能相关领域进行深入研究奠定基础。

课程概述

本课程是教育部-微软产学合作协同育人项目成果，课程面向大学生和社会公众，结合社会热点和算法实践项目，介绍人工智能技术的基本概念、发展历史、经典算法、应用领域和对人类社会的深远影响，展示信息社会各领域中人工智能的应用发展前景，为大学生和社会公众提供一个深入理解人工智能的入门基础。 本课程结合北京大学跨学科综合优势，加强与微软亚洲研究院人工智能研究人员的合作，将人工智能技术的原理、应用和前景融入各门基础自然科学和社会人文科学中，以鲜活生动的案例加深对人工智能技术的理解。 慕课课程的讲解部分还邀请了微软亚洲研究院的人工智能研究专家，通过访谈形式，展现科学、技术、工程和商业等各个领域的专家对人工智能的理解和体会。课程注重算法实践，通过5个相对独立的人工智能典型应用项目，采用微软和其他开源项目提供的人工智能开发基础设施，结合丰富的应用数据，让学生能经过一段时间的学习，学习到成效显著且生动有趣的人工智能算法应用。

课程结构

本课程分为8周，每周包括10个左右10分钟以内的视频课程。 课程链接

  • 1 新闻热点与身边的人工智能
    • 1.1 家里的AI：扫地机器人/智能音箱/智能家居/教育/个人助手
    • 1.2 语音识别/自动翻译：法庭速记/同声传译
    • 1.3 图像识别：手机中的照片整理/美颜处理/安防
    • 1.4 会下棋的人工智能：AlphaGo
    • 1.5 自动驾驶/工业机器人：汽车/公交车/卡车
    • 1.6 医疗健康：监测诊断
    • 1.7 金融：智能投顾、智能客服、安防监控、金融监管
    • 1.8 微软亚洲研究院院长洪小文博士寄语计算机教育
  • 2 人工智能发展简史
    • 2.1 什么是人工智能？
    • 2.2 人工智能发展历史
    • 2.3 人工智能经典问题（图灵测试，中文屋）
    • 2.4 人工智能第一次浪潮：最早的神经元
    • 2.5 人工智能第二次浪潮：专家系统
    • 2.6 人工智能第三次浪潮：深度神经网络
    • 2.7 访谈2-1（微软亚洲研究院刘铁岩副院长：历史）
    • 2.8 访谈2-2（微软亚洲研究院刘铁岩副院长：热潮）
    • 2.9 访谈2-3（微软亚洲研究院刘铁岩副院长：未来）
  • 3 基于决策树和搜索的智能系统
    • 3.1 实例1：读心术（建立二分查找的规则）
    • 3.2 和人类一样的判断方式：专家系统
    • 3.3 专家系统应用与发展
    • 3.4 实例2：井字棋（决策树介绍）
    • 3.5 双方零和完全信息博弈的搜索树
    • 3.6 基于搜索树对局面进行估值决策
    • 3.7 最大最小值法（Minimax）
    • 3.8 Alpha-Beta剪枝
    • 3.9 启发式搜索
    • 3.10 从国际象棋到围棋
    • 3.11 实际代码与运行结果
  • 4 基于仿生算法的智能系统I
    • 4.1 仿生算法简介
    • 4.2 基因遗传算法（初始种群、遗传变异、评估淘汰）
    • 4.3 实例3：拼图游戏
    • 4.4 拼图的基因
    • 4.5 遗传和变异
    • 4.6 自然选择
    • 4.7 实际代码与运行结果
  • 5 基于神经网络的智能系统
    • 5.1 神经元与神经网络
    • 5.2 实例4：手写数字识别
    • 5.3 构建网络参数
    • 5.4 计算损失函数
    • 5.5 通过优化器优化参数
    • 5.6 反向传播
    • 5.7 实际代码与运行结果
  • 6 基于神经网络的智能系统II
    • 6.1 监督学习和非监督学习
    • 6.2 实例5：Flappybird（让人工智能学会玩游戏）
    • 6.3 试错式学习
    • 6.4 State-action-reward
    • 6.5 价值判断：Q函数
    • 6.6 遍尝百草：e-greedy
    • 6.7 熟能生巧：持续更新Q函数
    • 6.8 实际代码与运行结果
  • 7 人工智能应用
    • 7.1 图像识别与分类
    • 7.2 医学影像分析
    • 7.3 访谈7-1（微软亚洲研究院张益肇副院长：医疗+AI综述）
    • 7.4 访谈7-2（微软亚洲研究院张益肇副院长：当前成就）
    • 7.5 访谈7-3（微软亚洲研究院张益肇副院长：未来展望）
    • 7.6 语音识别——个人助理（siri/google assistant/微软小冰小娜）
    • 7.7 人脸识别和情感计算
    • 7.8 访谈7-4（微软亚洲研究院周明副院长：自然语言处理综述）
    • 7.9 访谈7-5（微软亚洲研究院周明副院长：当前成就）
    • 7.10 访谈7-6（微软亚洲研究院周明副院长：未来展望）
    • 7.11 自动驾驶
  • 8 人工智能与人类社会未来
    • 8.1 挑战：技术视角
    • 8.2 挑战：人文视角
    • 8.3 访谈8-1（微软亚洲研究院潘天佑副院长：AI各个领域发展）
    • 8.4 伦理规范：社会层面
    • 8.5 伦理规范：公共政策层面
    • 8.6 访谈8-2（微软亚洲研究院潘天佑副院长：伦理规范的影响）
    • 8.7 访谈8-3（微软亚洲研究院潘天佑副院长：人工智能人才培养）
    • 8.8 科幻作品中的人工智能（影视作品：AI，Her，攻壳机动队，黑客帝国）
    • 8.9 奇点理论：畅想未来

预备知识

本课程面向零编程基础的大学生和社会公众，本课程没有必须的先修课，若对Python编程语言有所了解更佳。对人工智能感兴趣的任何同学都可以选修本课程。

证书要求

本课程采取百分制，单元测验和作业占45分，讨论区讨论占5分，期末在线考试占40分。 60分-84分可获得合格证书，85分（含）以上可获得优秀证书。

参考资料

李开复, 王咏刚. 《人工智能》文化发展出版社.2017 陈玉琨，汤晓鸥.《人工智能基础（高中版）》华东师范大学出版社.2018 李德毅.《人工智能导论》中国科学技术出版社.2018 Stuart Russell and Peter Norvig, “Artificial Intelligence – A Modern Approach (3rd ed)”, . Prentice Hall, Dec. 11, 2009.

常见问题

Q : 没有编程基础可以学习本课程吗？ A : 本课程主要向大家介绍人工智能的概念、基本原理、应用等，不涉及复杂的编程。没有编程基础也可以很好的学习本课程。

Q : 高中生也能学习吗？ A : 学有余力的高中生，也可以通过本课提前了解人工智能相关的概念，为今后的深入学习打下基础。

Q : 本课程的实例如何运行？ A : 本课程提供安装好环境的虚拟机镜像，按照视频教学即可运行各个实例代码。