AI浪潮已来，你准备好了吗？为帮助同学们认识AI，了解AI，使用AI，掌握AI核心知识，计算机与人工智能学院为全校学生带来了由计算机与人工智能学院人工智能研究团队、学校通识教育中心、学校课程设计师团队精心打造的人工智能通识课程，带领同学们轻松入门，紧跟前沿技术应用。无论你是小白还是大神，都能在这里找到属于自己的AI世界！快来加入，一起开启智能新纪元吧！
课程特色
课程将采取PBL教学法，通过大模型实践来提高学生创新思维。
PBL教学法：采用项目驱动学习，通过难度递进的任务，实现知识与能力的迭代提升。
大模型实践：结合大模型理论学习与实际应用，提高新质生产力技术的应用能力。
创新思维：在挑战中激发创新，鼓励学生解锁人工智能赋能千行百业的新场景。
课程内容与知识点
第一章 人工智能的奥秘
人工智能的定义、起源和发展历史
技术流派：符号主义、连接主义等
应用场景：医疗、金融、教育等领域的AI应用
伦理与治理：AI的伦理问题和负责任的使用
第二章 Python编程基础
Python语言的简介和重要性
基础语法：变量、数据类型、运算符
程序结构：条件语句、循环、异常处理
函数与库：自定义函数、常用库的使用
第三章 机器学习的核心
机器学习简介：监督学习、无监督学习、强化学习
线性模型：线性回归、逻辑回归
优化方法：梯度下降、随机梯度下降
决策树、贝叶斯分类器、神经网络等基础算法
集成学习：随机森林、梯度提升机
聚类分析：K-means、层次聚类
第四章 深度学习的前沿
深度学习简介：深度神经网络的基本原理
卷积神经网络(lCNN)：图像识别和处理
循环神经网络(RNN)：时间序列分析和自然语言处理
生成对抗网络(GAN)：生成新数据和图像
Transformer：自然语言处理的创新模型
扩散神经模型：最新的生成模型技术
深度学习优化算法：提高模型性能的技巧
神经网络结构设计：构建高效模型的策略
第五章 人工智能的创造力
人工智能生成内容：AI在艺术创作中的应用
提示学习：通过少量示例教会AI新技能
上下文学习：AI的情境适应性
人类反馈的强化学习：通过反馈进行学习和优化
多模态大模型：处理图像、文本和声音等多种数据类型
人工智能代理模型：在复杂环境中的决策制定
教学方法
项目驱动：每个章节围绕一个核心项目，通过解决实际问题来学习。
难度递进：课程设计由浅入深，逐步引导学生深入探索AI领域。
知识与能力迭代：在每个项目中，不断迭代和深化你的知识和技能。
持续晋级：完成每个阶段的任务，实现能力的持续提升。
师资团队
由计算机与人工智能学院的资深教授和行业专家领衔，他们将分享最前沿的研究成果和实践经验。
面向学生
对人工智能充满热情的你，无论你的专业背景如何，只要你有探索未知的好奇心和学习的热情，这门课程都欢迎你的加入！
选课方式
登录学院教务系统，搜索课程代码 **SCAI005814**，选择“人工智能通识”进行选课。
我们相信，这门课程将是你通往智能世界的钥匙，让我们一起开启这段奇妙的旅程，探索、学习、成长，共同迎接人工智能带来的无限机遇！
期待在课堂上与你相遇，一起开启智能科技的新篇章！
