INT104 人工智能

Artificial Intelligence

课程概览

这门5学分FHEQ Level 4人工智能课围绕概念原理、系统构建、算法实现与风险管理四条主线，带你掌握机器学习与深度学习核心算法，用PyTorch等框架完成从数据处理到模型评估的全流程实践，并建立AI伦理与责任意识。

26-27

本课程深度解析统计推断核心，通过点估计与置信区间揭示参数特征，并建立假设检验逻辑闭环，带你掌握从均值、方差比较到ANOVA及非参数检验的完整方法论，助你科学量化数据不确定性，在充满随机性的智能决策中实现严谨的理性推断。

25-26

本课程系统讲解人工智能中的数据分布核心，从箱线图直观洞察统计特征，深入探讨二项、泊松及高斯分布等概率模型，通过中心极限定理与Z分数标准化构建科学分析框架，并详解高斯混合模型与EM算法，助力掌握从海量样本中精准建模、识别异常及处理复杂多峰分布的方法论，为后续深度学习研究夯实数学根基。

25-26

本课深度解析人工智能领域的统计学基石，通过数据分类、分布形态、假设检验及回归分析等核心工具，带你掌握数据采集与实验设计的严谨思维，并学会识别视觉误导与幸存者偏差，构建从原始数据到智能决策的科学分析逻辑，助力你提升对海量信息的批判性解读与建模能力。

25-26

本课程全面概览人工智能系统架构与全生命周期，通过解析数据驱动与规则驱动的本质差异，带你系统掌握监督学习、无监督学习及强化学习三大范式，建立从理论基础到工程落地的全局视野，助你成为兼具专业深度与技术伦理的智能开发者。

25-26

本课程由资深名师深度解析人工智能核心概念，通过系统化精讲助你快速构建AI知识体系，精准掌握算法原理与技术应用，高效突破学习瓶颈，为专业进阶与实际项目开发奠定扎实理论及实践基础。

24-25 · 真人名师精讲

掌握凝聚层次聚类核心逻辑，通过曼哈顿距离计算与单链接准则实现数据聚类，并学习通过距离矩阵更新过程绘制聚类谱系图。

24-25