人工智能通识基础(社会科学)
人工智能通识基础(社会科学)
1000+ 人选课
更新日期:2025/06/11
开课平台智慧树
开课高校浙江大学
开课教师吴超蒋卓人祁玉夏梽丹卢圣华吴亦全
学科专业
开课时间2025/01/21 - 2025/07/20
课程周期26 周
开课状态开课中
每周学时-
课程简介
本课程是一门专为人文社科领域的本科生设计的通识课程,旨在帮助学生理解和掌握人工智能的基本概念、技术原理以及在人文社科领域的应用。在当今快速发展的人工智能时代,无论是科研工作还是社会实践,都越来越多地涉及到人工智能技术的使用和影响。 该课程从人文社科学生的知识背景和学习习惯出发,采用生动的案例分析、互动式讨论和实践操作等多种教学方法,使学生能够较为轻松地学习到人工智能的基础知识和核心思维方式。通过本课程的学习,学生不仅能够获得必要的技术知识和技能,更能够培养出一种以人工智能为核心的数字化素养。这种素养不仅包括对人工智能技术的基本理解和应用能力,还包括批判性思维、伦理意识、社会责任等多维度的素质。此外,本课程还注重培养学生利用人工智能方法分析和解决人文社科实际问题的能力。通过案例分析和项目实践,学生将学会如何将人工智能技术与人文社科研究相结合,提高研究的效率和质量,同时也能够更好地理解和解决社会实践中遇到的复杂问题。面向人文社科的人工智能通识课程是一门旨在帮助人文社科学生适应数字化时代,提升个人综合素质和专业能力的课程。通过本课程的学习,学生将能够更好地理解和应用人工智能技术,为未来的学术研究和社会实践打下坚实的基础。
课程大纲

在线教程

章节简介教学计划
AI介绍
登录后可预览视频
AI之梦
吴超
符号主义
卢圣华
人工智能伦理
卢圣华
数学、计算机和编程基础
编程和计算机基础
卢圣华
数学知识略影
卢圣华
Python基础
机器学习
基本概念
线性回归
夏梽丹
逻辑回归
夏梽丹
机器学习经典模型
过拟合(一)
吴超
过拟合(二)
吴超
支持向量机
夏梽丹
决策树
夏梽丹
神经网络及应用
神经网络与人工神经网络
蒋卓人
神经元和激活函数
蒋卓人
前馈神经网络
蒋卓人
深度学习
深度学习概述
祁玉
卷积神经网络
祁玉
循环神经网络
祁玉
大模型
大模型发展历史
吴亦全
大模型背后的技术
吴亦全
常用的大语言模型及其应用
吴亦全
数据链条和数据生态
数据生态和数据链条
吴超
数据收集
吴超
数据管理
吴超
数据预处理
吴超
数据分析
吴超
数据应用和可视化
吴超
计算社会科学和社会仿真
计算社会科学和社会仿真(一)
吴超
计算社会科学和社会仿真(二)
吴超
  • 第一章AI介绍

    AI介绍

  • 1.1AI之梦

    AI之梦

  • 1.2符号主义

    符号主义

  • 1.3人工智能伦理

    人工智能伦理

  • 第二章数学、计算机和编程基础

    数学、计算机和编程基础

  • 2.1编程和计算机基础

    编程和计算机基础

  • 2.2数学知识略影

    数学知识略影

  • 2.3Python基础

    Python基础

  • 第三章机器学习

    机器学习

  • 3.1基本概念

    基本概念

  • 3.2线性回归

    线性回归

  • 3.3逻辑回归

    逻辑回归

  • 第四章机器学习经典模型

    机器学习经典模型

  • 4.1过拟合(一)

    过拟合(一)

  • 4.2过拟合(二)

    过拟合(二)

  • 4.3支持向量机

    支持向量机

  • 4.4决策树

    决策树

  • 第五章神经网络及应用

    神经网络及应用

  • 5.1神经网络与人工神经网络

    神经网络基本介绍

  • 5.2神经元和激活函数

    神经元和激活函数

  • 5.3前馈神经网络

    前序网络

  • 第六章深度学习

    深度学习

  • 6.1深度学习概述

    深度学习概述

  • 6.2卷积神经网络

    卷积神经网络

  • 6.3循环神经网络

    循环神经网络

  • 第七章大模型

    大模型

  • 7.1大模型发展历史

    大模型发展历史

  • 7.2大模型背后的技术

    大模型背后的技术

  • 7.3常用的大语言模型及其应用

    常用的大语言模型及其应用

  • 第八章数据链条和数据生态

    数据链条和数据生态

  • 8.1数据生态和数据链条

    数据生态和数据链条

  • 8.2数据收集

    数据收集

  • 8.3数据管理

    数据管理

  • 8.4数据预处理

    数据预处理

  • 8.5数据分析

    数据分析

  • 8.6数据应用和可视化

    数据应用和可视化

  • 第九章计算社会科学和社会仿真

    计算社会科学和社会仿真

  • 9.1计算社会科学和社会仿真(一)

    计算社会科学和社会仿真(一)

  • 9.2计算社会科学和社会仿真(二)

    计算社会科学和社会仿真(二)

  • 开始学习
  • 第一章  作业测试
    第一章 AI介绍

    1.1 AI之梦

    1.2 符号主义

    1.3 人工智能伦理

    视频数3
  • 第二章  作业测试
    第二章 数学、计算机和编程基础

    2.1 编程和计算机基础

    2.2 数学知识略影

    2.3 Python基础

    视频数2
  • 第三章  作业测试
    第三章 机器学习

    3.1 基本概念

    3.2 线性回归

    3.3 逻辑回归

    视频数2
  • 第四章  作业测试
    第四章 机器学习经典模型

    4.1 过拟合(一)

    4.2 过拟合(二)

    4.3 支持向量机

    4.4 决策树

    视频数4
  • 第五章  作业测试
    第五章 神经网络及应用

    5.1 神经网络与人工神经网络

    5.2 神经元和激活函数

    5.3 前馈神经网络

    视频数3
  • 第六章  作业测试
    第六章 深度学习

    6.1 深度学习概述

    6.2 卷积神经网络

    6.3 循环神经网络

    视频数3
  • 第七章  作业测试
    第七章 大模型

    7.1 大模型发展历史

    7.2 大模型背后的技术

    7.3 常用的大语言模型及其应用

    视频数0
  • 第八章  作业测试
    第八章 数据链条和数据生态

    8.1 数据生态和数据链条

    8.2 数据收集

    8.3 数据管理

    8.4 数据预处理

    8.5 数据分析

    8.6 数据应用和可视化

    视频数6
  • 第九章  作业测试
    第九章 计算社会科学和社会仿真

    9.1 计算社会科学和社会仿真(一)

    9.2 计算社会科学和社会仿真(二)

    视频数2
  • 期末考试