人工智能入门
人工智能入门
1000+ 人选课
更新日期:2025/04/30
开课时间2024/11/28 - 2025/04/30
课程周期22 周
开课状态开课中
每周学时-
课程简介
  • 我为什么要学习这门课?

在人工智能时代,没有人会对人工智能技术及其应用视而不见,不断推陈出新的大数据、大模型、AIGC纷纷你唱吧来我登场。如果我们没有形成对这些技术应该具有的认知,会产生极大的震惊和困惑,也会质疑可能的应用和未来的发展。通过学习这门课,一方面可以形成对这些看起来高大上技术的正确认知,你或许会觉得原来背后的原理这么简单,另一方面也更好理解这些技术的特点,你会了解到一些更有有趣和让你印象深刻的方法和应用!


  • 这门课的主题是关于什么?

课程内容覆盖了人工智能领域的多个关键领域。从人工智能的基本概念与发展历程出发,深入剖析数据与算法作为人工智能基石的重要性。通过讲解搜索算法、知识表示与推理等经典方法,培养学生解决复杂问题的能力。课程重点介绍机器学习、神经网络与深度学习等现代技术,使学生能够运用这些技术处理图像识别、语音识别、自然语言处理等复杂任务。探讨自然语言处理与大语言模型的最新进展,让大家领略到人工智能在文本生成、对话系统等方面的无限潜力。在教学过程中,本课程注重理论与实践相结合,通过丰富的案例分析、项目实训和前沿技术讲座,使大家不仅能够理解理论知识,更能在实践中加深理解、提升技能。同时,课程还鼓励大家跨学科思考,将人工智能技术与各自专业背景相结合,探索解决行业特定问题的创新路径。


  • 学习这门课可以获得什么?特别是对自己有什么帮助和应用。

熟练掌握人工智能基本概念、主要人工智能技术方法的基本原理及其应用,了解人工智能技术当前的发展形式和未来趋势,同时兼顾大语言模型等内容。

对一些基本的人工智能方法能够在具体的应用领域予以结合,使用常见的软件工具进行相关的人工智能应用设计。

掌握在实际应用中人工智能技术的价值和可能应用前景,熟悉相关人工智能技术的应用特点。

理解当前人工智能产业在我国和世界的发展形式,了解相关人工智能政策和管理等相关内容,可以形成具有熟悉包括财经领域在内各类应用领域的复合型人工智能应用能力。


  • 这门课有什么特色和亮点。

课程主要面向非计算机类各类本科专业,为人工智能知识的通识类教育,在难度选择上要确保没有任何算法编程基本的学生也能掌握和了解。因此,增加了数据素养和编程思维等基本前置知识点,主要介绍必备的数据驱动计算方法和现代计算编程的一般常识,对一些数据和算法等基本概念做出必要的解释和介绍。

课程讲解主要利用案例驱动和功能演示为主,强调相关方法的应用价值,对相关知识点设置可供学生上机练习的简单例子,并给出具体的实验参考视频说明。

积极引入课程思政内容,如大语言模型在中国行业领域的融合创新、自然语言处理中的中国古代典籍文化自动化处理、搜索类算法反映的人生哲理等。

课程内容强调引发学生思考,在所有章节都设置了可以供学生思考讨论的开放性问题环节,并对可能的答案给出多种不同的观点对比,让学生自主判断。同时,在慕课中还提供包括PPT、讲稿、阅读文献等多种学习资源。

课程持续优化内容设计,逐渐将现有教学内容增加到近百个视频单元以上,将每个知识点形成更为模块化的教学视频,方便学生自由组合和选择学习。

本课程探索包括教材和网络资源在内的复合教学资源体系建设。目前在教材方面,在选用国内外著名教材的基础上,已和高等教育出版社合作出版《人工智能导论》,并预计于2025年出版。在网络资源建设方面,已建成供学生学习交流的课外学习网站版块《人工智能与大数据》。

课程大纲
第1章 绪论
第一节 人工智能的概念
一、智能
二、人工智能
三、人工智能主要技术
第二节 人工智能的发展
一、基本情况
二、发展三阶段
第三节 人工智能应用领域
一、自然语言处理
二、计算机视觉
三、机器人
第四节 人工智能产业
一、人工智能产业发展与挑战
二、中国的人工智能行业发展
第2章 数据与算法
第一节 数据与数据素养
一、数据
二、信息、知识和智慧
三、大数据
四、数据素养
第二节 算法与计算思维
一、算法
二、程序设计语言
三、计算思维
第3章 搜索方法
第一节 简单状态下的搜索
一、无信息搜索
二、有信息搜索
第二节 高级搜索
一、局部搜索
二、极小极大搜索
三、Alpha-Beta剪枝搜索
四、蒙特卡罗树搜索
第三节 综合应用
一、投资组合优化
二、高德地图导航
第4章 知识方法
第一节 知识推理
一、知识的概念
二、基于逻辑的知识表示与推理
三、基于语义网络的知识表示与推理
第二节 知识图谱
一、本体与知识图谱
二、命名实体
三、常见的知识图谱
四、知识图谱的知识推理应用
第三节 综合应用
一、知识图谱在用户画像中的应用
第5章 机器学习方法
第一节 机器学习
一、基本概念
二、主要特点
第二节 基本过程
一、数据处理
二、模型构建
三、模型评价
第三节 高级使用
一、非参数模型
二、集成学习
第四节 综合应用
一、机器学习的应用实施方法
第6章 神经网络与深度学习
第一节 神经网络
一、产生背景
二、模型特点
第二节 深度学习
一、产生背景
二、模型结构
三、模型种类
第三节 综合应用
一、推荐系统中的深度学习方法应用
第7章 自然语言处理
第一节 基本概念
一、语言与自然语言
二、自然语言处理
第二节 自然语言处理方法
一、统计语言模型方法
二、深度学习语言模型方法
第三节 综合应用
一、情感分析
二、古籍处理
第8章 大语言模型
第一节 基本概念
一、概念与特点
二、发展历史
三、主要技术
第二节 应用服务与管理
一、多模态信息服务
二、智能与意识
三、伦理问题
第三节 综合应用
一、大语言模型的企业应用案例
第9章 人工智能应用与管理
第一节 人工智能技术应用的思考
一、人工智能的发展问题
二、人工智能的伦理问题
第二节 人工智能行业应用与管理
一、人工智能行业的发展现状
二、人工智能行业的政策管理
三、人工智能行业的法律监管