人工智能数学基础与实验
课程详情
课程评价
spContent=人工智能如何表示现实世界的信息,模型又如何完成计算、比较、拟合与优化?本课程从人工智能中的数学问题出发,依次介绍数学表示、基础计算、度量、矩阵分解、回归分析、深度神经网络、优化算法和科学智能,并通过实验基础帮助学习者把数学原理与模型实践联系起来。
—— 课程团队
课程概述

“人工智能数学基础与实验”以《人工智能中的数学:基础与实验》为主要参考教材。课程按照第1—9章组织,先介绍人工智能发展脉络,再围绕表示、计算和度量建立基础体系,随后进入矩阵分解、回归、神经网络与优化,最后通过科学智能案例理解数学模型、数据与计算方法的协同作用。


建议按第1—9章顺序学习,并根据实验需要提前查阅附录“实验基础”。

授课目标

完成课程学习后,学习者预期能够:

1. 说明人工智能中表示、计算、度量、模型和优化等数学基础的作用;

2. 运用表示、计算、度量的体系分析典型人工智能问题;

3. 建立从数学原理到算法、模型与实验的联系;

4. 阅读基础实验代码,解释关键结果,并对AI工具生成的内容实现基础核验判断;

5. 识别模型假设、数据条件和方法适用范围,形成基本的人工智能基础认知框架。

课程大纲
预备知识

1. 建议具备微积分和线性代数基础。

2. 不要求预先熟练掌握编程;配套教材《人工智能中的数学:基础与实验》附录提供Python与PyTorch基础。鼓励使用大语言模型或编程智能体辅助学习和编程。

3. 课程面向理工科本科生及其他希望系统学习人工智能数学基础的学习者。

证书要求

为积极响应国家低碳环保政策, 2021年秋季学期开始,中国大学MOOC平台将取消纸质版的认证证书,仅提供电子版的认证证书服务,证书申请方式和流程不变。

 

电子版认证证书支持查询验证,可通过扫描证书上的二维码进行有效性查询,或者访问 https://www.icourse163.org/verify,通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核,成绩达到课程考核标准的学生(每门课程的考核标准不同,详见课程内的评分标准),具备申请认证证书资格,可在证书申请开放期间(以申请页面显示的时间为准),完成在线付费申请。

 

认证证书申请注意事项:

1. 根据国家相关法律法规要求,认证证书申请时要求进行实名认证,请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后,系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

教材:《人工智能中的数学:基础与实验》。

购买链接:

https://detail.tmall.com/item.htm?id=1025257273380&skuId=6035890589034 天猫


https://mall.hep.com.cn/goods.php?id=47199 高教社官方商城


https://item.jd.com/10211512016165.html 京东

常见问题

Q1:这门课适合哪些学习者?

A:本课程适合希望系统理解人工智能数学基础,并了解数学原理如何与人工智能模型和实验联系起来的学习者。


Q2:学习本课程需要哪些数学基础?

A:课程会使用向量、矩阵、函数和导数等知识。对相关内容不熟悉的学习者,可结合课程指引提前复习。


Q3:需要提前掌握Python或PyTorch吗?可以使用AI辅助工具吗?

A:附录提供Python、PyTorch和实验环境基础。可使用大语言模型或编程智能体辅助理解概念、编程和排查错误。


Q4:这门课主要学习什么?

A:课程从人工智能简史出发,依次学习数学表示、基础计算、度量、矩阵分解、回归分析、深度神经网络、优化算法和科学智能。


Q5:建议按照什么顺序学习?课程时间如何安排?

A:建议按单元01—09顺序学习,并根据实验需要提前自学附录“实验基础”。


Q6:课程如何考核?

A:考核组成、作答次数、计分方式、成绩阈值和截止规则以本课程评分标准页为准。


Q7:课程是否提供证书,相关安排在哪里查看?

A:是否提供证书,以及相应的资格、成绩要求、申请流程和平台规则,均以本课程届时发布的评分标准及平台申请页面实际显示的信息为准。


Q8:教材、视频或课程页面内容不一致时怎么办?

A:请先查看课程勘误与变更公告;如仍有疑问,可在课程答疑区注明单元、知识点、已尝试的方法和具体问题。请勿公开完整考核答案、个人联系方式、证件信息或其他敏感材料。