课程简介
近年来,随着大数据的快速积累、计算资源的成熟发展、以及学习算法的发展创新,人工智能技术在多个领域取得重大突破,已经成为经济发展的新引擎,被视为推动现代社会进步的主要核心技术力量之一,它正在为农业、医疗、教育、能源、国防等诸多领域提供大量新的发展机遇。
2017年7月20日,国务院印发《新一代人工智能发展规划》,鼓励高校拓宽人工智能专业教育内容,重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合,培养“人工智能×专业”复合型人才。因此,任何专业的学生,都应该掌握一些人工智能的知识。
课程列表
课程名称 | 课程链接 |
课程概述 |
去学习
|
人工智能的起源和发展 |
TensorFlow和Python环境的安装与使用 |
Python语言基础(1) |
Python语言基础(2) |
NumPy科学计算库 |
Matplotlib数据可视化 |
数字图像基础 |
TensorFlow与PyTorch基础 |
回归问题 |
梯度下降法 |
分类问题 |
人工神经网络(1) |
人工神经网络(2) |
卷积神经网络 |
经典的卷积神经网络 |
AI的工程伦理 |