Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

人工智能方法与技术

Communication University of China via XuetangX

Overview

本课程系统、深入地介绍人工智能的理论方法、领域应用和前沿技术,主要内容包括:知识表示与因果推理、语言文本分析、集成学习及大数据分类与预测、智能推荐新技术、社交媒体的图模型计算与传播机制、博弈论与智能决策方法、复杂系统网络建模与控制决策等。注重对智能媒体计算相关的语言文本、智能推荐、互联网传播等场景下的实战应用分析。

适合于研究生或高年级本科生中有志于从事人工智能相关方向研究和应用的人员。通过本课程的学习,能加强AI技术理论、工程实践研发能力的提升,锻炼技术创新、思维创新的学术思考能力,开拓前瞻性学术视野。



Syllabus

  • 第1章 AI核心技术与前沿综述
    • 1.1 课程简介
    • 1.2 综述国内外AI研究进展和发展战略
    • 1.3 人工智能的应用研发实例
    • 1.4 领域技术现状:以图像分析和自然语言处理为例
    • 1.5 当前AI技术存在的局限和未来发展方向
  • 第2章 集成学习算法
    • 2.1 集成学习的Bagging、Boosting和Stacking策略
    • 2.2 Random Forest及其实战应用
    • 2.3 XGBoost方法详解
    • 2.4 XGBoost实战应用及调参方法
  • 第3章 智能博弈对抗与决策方法
    • 3.1 博弈论概述
    • 3.2 零和博弈及非零和博弈的纳什均衡计算
    • 3.3 可解释性AI与Shapley值计算
    • 3.4 班扎夫指数与合作博弈中的决策影响力
    • 3.5 总结:博弈论方法与人工智能
  • 第4章 不确定性人工智能与因果推理
    • 4.1 不确定性场景下的直觉决策问题:辛普森杀妻案、蒙提霍尔悖论和贝叶斯陷阱
    • 4.2 不确定性人工智能概述
    • 4.3 因果推断方法与Causal AI
    • 4.4 Judea Pearl结构因果模型及BNs推理
    • 4.5 拓展:贝叶斯深度学习及DUCG因果表达与推理应用
  • 第5章 NLP之词嵌入方法:Word2Vec及其它
    • 5.1 词的分布式表示、SVD及NNLM方法
    • 5.2 Word2Vec以及分层Softmax、负例采样方法
    • 5.3 Word2Vec的拓展:Item2Vec和Graph Embedding
    • 5.4 Word2Vec/Doc2Vec应用实例以及Glove方法
  • 第6章 NLP之Transformer详解及BERT文本分类
    • 6.1 Transformer和预训练模型的技术应用现状概述
    • 6.2 Transformer技术及注意力机制详解
    • 6.3 BERT模型及其训练方法和应用
    • 6.4 基于BERT-base-Chinese的两个文本分类实战应用
    • 6.5 技术拓展:ALBERT及预训练模型上的知识增强和微调
  • 第7章 NLP之图神经网络方法与应用
    • 7.1 图神经网络方法GCN、GraphSAGE和GAT
    • 7.2 基于GCN/GAT的Cora节点分类应用和文本分类Text-GCN
    • 7.3 GNN面向NLP任务的图构建和技术发展
  • 第8章 智能推荐算法
    • 8.1 智能推荐技术概述及矩阵分解和NCF方法
    • 8.2 推荐技术发展中的挑战问题
    • 8.3 知识融合的推荐:DKN和RippleNet
    • 8.4 推荐技术的发展:去偏推荐、序列化推荐、跨领域推荐和基于GNN的推荐等
  • 第9章 复杂网络传播的图模型计算
    • 9.1 媒体融合时代的社会网络及各种复杂网络传播实例
    • 9.2 结构决定功能——以交通网络和故障传播网络为例
    • 9.3 复杂网络的非均匀性结构特征
    • 9.4 社会网络传播中节点的影响力分析
    • 9.5 基于图嵌入和GNN的社交网络节点分类方法
  • 第10章 总结与展望
    • 10.1 总结与展望
  • 期末考试
    • 考试

Taught by

Chunling Dong

Tags

Reviews

Start your review of 人工智能方法与技术

Never Stop Learning.

Get personalized course recommendations, track subjects and courses with reminders, and more.

Someone learning on their laptop while sitting on the floor.