康奇宇
信息科学技术学院
Appearance
课程信息
| 课程名称（中文） | 人工智能数学原理与算法B |
|---|---|
| 课程名称（英文） | Mathematical Principles and Algorithms of Artificial Intelligence B |
| 理论学时/实验学时 | 40/40 |
| 先修课程 | 无 |
| 评分制 | 百分制 |
| 先修类型 | 无 |
| 考核方式 | 笔试（闭卷） |
| 开课单位 | 人工智能与数据科学学院 |
| 面向对象 | 本科生 |
| 指定教材 | 无 |
| 参考教材 | 无 |
任课教师与助教
任课教师
课程资料
理论课资料
8.31 课件
9.7 课件
9.14 课件
9.21 课件
9.28 课件
后续将持续更新
内容简介
本课程是一门面向全校本科学生的通修课程，讲授人工智能的基本原理、核心技术与应用场景，帮助学生建立对人工智能领域的初步认知与实践能力。课程以理论与实践相结合的方式，通过深入浅出的教学内容与丰富的实验环节，让学生掌握主流机器学习方法。
理论课程涵盖人工智能的历史发展、核心概念及其实际应用场景。重点介绍监督学习中的经典算法（如线性回归、逻辑回归）、神经网络的基本架构与优化机制（如前向传播、反向传播、梯度消失与爆炸），以及深度学习中的前沿模型（如图神经网络和 Transformer）、自监督学习的核心思想、强化学习的基础理论、生成式人工智能的最新进展。
实践课程是本课程的重要组成部分。学生将通过 Python 编程实现理论课程中讲授的经典算法，完成实际应用任务，如图像分类、文本处理、AI-for-Science 等项目。通过实验操作，使学生不仅掌握数据处理、模型构建与优化等技能，还深入理解人工智能技术在解决实际问题时的流程与挑战。
通过本课程的学习，学生将掌握人工智能领域的基础知识与实践技能，具备使用主流人工智能技术解决简单实际问题的能力，为未来深入学习或从事相关工作奠定基础。