人工智能的本质
人工智能、传统软件、自动化、算法、模型、弱人工智能、通用人工智能，以及该领域的历史发展。
AI-101
课程概述
人工智能基础是一门结构清晰的初级课程，面向希望超越新闻标题、产品演示和技术术语，深入理解人工智能的学习者。
本课程讲解数据、机器学习、神经网络、生成式人工智能、计算机视觉、音频系统、机器人技术和自主系统如何相互关联。学生还将探讨人工智能的局限性，以及隐私、安全、公平性、验证和有效人类监督的重要性。
本课程专为具备良好理解能力的成年学习者设计，无需编程经验、高等数学基础或计算机科学学习经历。
学习目标
您将学到什么
-
01
阐释人工智能与传统软件、自动化及基于规则的系统之间的区别。
-
02
说明数据集、训练、验证、测试和推理如何支持人工智能开发。
-
03
区分监督学习、无监督学习和强化学习。
-
04
从概念层面阐释神经网络、深度学习和 Transformer。
-
05
说明生成式人工智能和大语言模型如何生成内容。
-
06
识别幻觉、过拟合、偏差、数据泄漏和分布偏移等常见问题。
-
07
理解计算机视觉、音频人工智能、机器人技术和自主系统的基础。
-
08
通过考察人工智能系统的目的、数据、方法、输出、风险和人类监督，对其进行评估。
-
09
探讨负责任地使用人工智能所涉及的隐私、安全、公平性、透明度和问责机制。
-
10
明确继续学习人工智能和开展职业发展的途径。
十个结构化模块
课程体系
数据：人工智能的基础
结构化与非结构化数据，以及数据的收集、标注、质量、代表性、隐私、偏差和完整生命周期。
机器学习基础
监督学习、无监督学习和强化学习，以及模型评估、泛化、过拟合和实用的误差分析。
神经网络与深度学习
网络层、权重、表征、卷积网络、循环网络、Transformer，以及深度学习的优势与局限性。
自然语言处理与生成式人工智能
语言模型、词元、上下文、提示、生成、幻觉、验证、检索，以及人工智能智能体的入门概念。
计算机视觉、音频人工智能与多模态系统
图像识别、目标检测、语音系统、合成媒体、多模态分析、真实性与知情同意。
机器人技术与自主系统
传感器、感知、规划、控制、执行器、自主性、安全边界与人工干预。
人工智能的现实应用
人工智能在医疗保健、金融、教育、零售、物流、制造、政府、农业和小型企业中的应用。
负责任的人工智能
伦理、隐私、安全、偏差、公平性、可解释性、问责机制、治理与有效的人类监督。
人工智能的未来与人类能力
人工智能智能体、多模态系统、新兴应用、专业岗位、可迁移的人类技能与终身学习。
官方推荐教材
First BCI University 人工智能基础
数据、机器学习、生成式人工智能、机器人技术与负责任使用的非技术指南
- 作者
- Konstantin Titov
本书是 AI-101 的推荐学习材料。全书十章与课程体系相对应，并提供详细讲解、真实情境、知识检查和应用型学习活动。
可购买安全下载的电子书，价格为 US$12.99。
购买本书 — US$12.99成功完成课程
考核与结业
考核项目
- 十个模块知识检查
- 基于真实人工智能情境的应用型学习活动
- 涵盖课程主要概念的期末考核
- 针对一个现实人工智能系统的最终分析
结业要求
- 完成全部十个学习模块
- 完成规定的知识检查
- 期末考核成绩达到至少 70%
- 提交最终人工智能系统分析
AI-101 课程注册
开始系统学习人工智能。
US$145
购买 AI-101 的安全在线访问权限。满足结业要求后，即可获得 First BCI University 电子版 PDF 结业证书。
立即购买课程