SCI101 面向科学的人工智能导论
本课程专为理科生打造，无需计算机基础，从Python科学计算与机器学习核心算法入手，通过生物、化学等领域实战，训练你将复杂科研需求转化为人工智能模型的能力，助你掌握从数据洞察到建模验证的完整流程，建立数据驱动的现代科研范式，成为具备跨学科竞争力的复合型人才。
25-26SCI101 科学人工智能导论
Introduction to Artificial Intelligence for Science
- 学校
- 西交利物浦大学
- 学院
- Academy of Life and Natural Sciences
- 专业方向
- ASB · AI, Statistics and Bioinformatics
- 完整开课代码
- SCI101-2025/26-SEM1、SCI101-2025/26-SEM2、SCI101-2026/27-SEM1、SCI101-2026/27-SEM2
- 开课学年
- 2025/26、2026/27
课程概览
课程讲解
SCI101 revision
本课程专为科研人员打造，通过从数据预处理、特征工程到模型评估与优化的全流程实战，系统讲解机器学习在物理、生物及化学等领域的应用，助你构建数据驱动的科学研究思维，掌握利用AI挖掘自然规律的工具与方法，实现从传统实验范式向智能科研范式的跨越。
24-25SCI101 Model Evaluation Metrics
本课程深度剖析机器学习模型评估体系，带你从宏观到微观，系统掌握分类任务的混淆矩阵与PR曲线、回归任务的误差量化与拟合评价，以及聚类任务的簇内紧凑度度量，助你根据业务场景精准选择评估指标，从而客观量化并优化算法性能，真正实现模型从构建到实战的科学诊断。
24-25SCI101 Supervised Learning and Model Selection
本课程深入解析监督学习核心流程，通过混淆矩阵与ROC曲线建立科学评估体系，重点拆解随机森林、支持向量机与KNN三大经典算法原理，并教授数据标准化、模型调优与交叉验证等工程实战技巧，助你构建从数据预处理到最优模型筛选的全链路实战能力，掌握人工智能领域最基础且关键的决策逻辑。
24-25SCI101 Perceptron, Activation Functions, Overfitting & Underfitting
本课程从神经网络基石感知机出发，深度解析激活函数如何赋予模型非线性表达力，并聚焦模型训练的核心挑战，教你通过数据预处理、正则化及早停法等策略，精准平衡偏差与方差，有效攻克过拟合与欠拟合难题，助你从底层逻辑构建起坚实的深度学习理论框架。
24-25SCI101 Introduction to Python
本课程从Python基础语法切入，由浅入深讲解数据结构、逻辑控制及函数应用，并进阶涵盖Numpy科学计算、Matplotlib可视化及scikit-learn机器学习实战，旨在帮助零基础学员建立严谨的算法思维，掌握处理数据与解决实际问题的数字化核心技能。
24-25