高级人工智能
课程编码：085400M04008T
英文名称：Advanced Artificial Intelligence
课时：60
学分：3.00
课程属性：专业核心课
主讲教师：陈红阳等
教学目的要求
本课程主要从数据智能这一角度来讲授人工智能的基本算法和模型，辅以一定的实训题目促进对模型的深入了解，希望学习者能够掌握逻辑推理、机器学习、强化学习、博弈对抗等基本模型，明晰人工智能具能、使能和赋能的手段和方法。教师通过本课程的教学，应使学生掌握逻辑推理、机器学习、强化学习、博弈对抗等基本模型，明晰人工智能具能、使能和赋能的手段和方法。
预修课程
线性代数、概率论、数理统计与程序设计方法。
大纲内容
第一章 绪论 5.0学时
第1节 人工智能起源
第2节 人工智能相关数学基础
第3节 搜索优化
第4节 蒙特卡洛搜索（大作业）
第二章 逻辑与推理 4.0学时
第1节 逻辑推理
第2节 知识图谱推理
第3节 因果推理（作业、大作业）
第三章 监督学习 7.0学时
第1节 机器学习基本概念
第2节 决策树
第3节 回归分析
第4节 支持向量机
第5节 集成学习（作业）
第四章 统计机器学习：非监督学习 5.0学时
第1节 K均值聚类
第2节 潜在状态模型
第3节 期望最大化算法
第4节 主成分分析
第五章 课程实践1 6.0学时
第1节 期中大作业汇报
第2节 机器学习上机实训
第六章 深度学习 20.0学时
第1节 深度学习的历史和导论
第2节 前馈神经网络
第3节 深度学习训练
第4节 卷积神经网络
第5节 循环神经网络
第6节 图神经网络
第7节 迁移学习
第8节 Transformer和sequence2sequence
第9节 自监督学习auto-encoders和bert
第10节 GAN
第七章 强化学习 5.0学时
第1节 深度强化学习
第2节 Q学习
第3节 强化学习应用
第八章 课程实践2 6.0学时
第1节 大作业汇报
第2节 深度学习上机实训
第九章 期末考试 2.0学时
第1节 期末考试笔试
教材信息
1、
人工智能导论：模型与算法
吴飞
2020年5月
高等教育出版社
参考书
1、
Hands-On Machine Learning with Scikit-Learn，Keras，and TensorFlow，: Concepts， Tools， and Techniques to Build Intelligent Systems 2nd Edition
Aurélien Géron
2019年10月
O'Reilly Media; 2nd edition
课程教师信息
陈红阳，2011年于东京大学获博士学位，曾任日本富士通公司研究员，现任之江实验室高级研究专家（正高级研究员）、浙江省特聘专家、东京大学客座研究员，国科大杭州高等研究院客座教授。曾担任国际通信领域知名期刊IEEE无线通信学报、和IEEE国际通信会议通信信号处理分会程序委员会主席等学术职位。已经在IEEE Transactions等国际知名学术期刊和学术会议上发表高质量论文100余篇, 其中SCI检索50多篇。在4G/5G领域拥有50余项国际专利。获IEEE PIMRC2009国际会议最佳论文奖，2016年当选为IEEE Senior Member，2020年当选IEEE Distinguished Lecturer。