人工智能与信息社会_北京大学_中国大学MOOC(慕课)
人工智能与信息社会_北京大学_中国大学MOOC(慕课)课程大纲
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。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:AlphaGo1.5 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I4.1 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II6.1 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-reward6.5 价值判断:Q函数6.6 遍尝百草:e-greedy6.7 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
**** Hidden Message *****
页:
[1]