安徽省人工智能通识课

孙长银等

目录

  • 1 人工智能概述
    • 1.1 生命智能与人工智能
    • 1.2 人工智能的发展历史
    • 1.3 人工智能的大数据基础（上）
    • 1.4 人工智能的大数据基础（下）
    • 1.5 人工智能的学科交叉与融合
    • 1.6 人工智能的主要研究内容（上）
    • 1.7 人工智能的主要研究内容（中）
    • 1.8 人工智能的主要研究内容（下）
  • 2 脑科学与人工神经网络
    • 2.1 认知脑科学与人工神经网络
    • 2.2 单层感知机模型
    • 2.3 感知机与前馈神经网络
    • 2.4 卷积神经网络（1）
    • 2.5 卷积神经网络（2）
    • 2.6 循环神经网络
    • 2.7 Transformer
    • 2.8 Deep Learning的发展及应用
  • 3 机器学习
    • 3.1 机器学习概念和基本思想（上）
    • 3.2 机器学习概念和基本思想（下）
    • 3.3 机器学习的主要方法（上）
    • 3.4 机器学习的主要方法（中）
    • 3.5 机器学习的主要方法（下）
    • 3.6 机器学习的应用现状
    • 3.7 迁移学习（上）
    • 3.8 迁移学习（下）
  • 4 感知智能与认知智能
    • 4.1 数字图像处理与计算机视觉
    • 4.2 语言智能与自然语言处理
    • 4.3 知识图谱与认知智能
    • 4.4 混合智能
    • 4.5 通用人工智能与大模型
    • 4.6 前沿案例：大模型的应用与风险（上）
    • 4.7 前沿案例：大模型的应用与风险（中）（1）
    • 4.8 前沿案例：大模型的应用与风险（中）（2）
    • 4.9 前沿案例：大模型的应用与风险（下）（1）
    • 4.10 前沿案例：大模型的应用与风险（下）（2）
  • 5 机器人与人工智能
    • 5.1 机器人的概念与发展历史（上）
    • 5.2 机器人的概念与发展历史（下）
    • 5.3 机器人的主要类型和原理（上）
    • 5.4 机器人的主要类型和原理（下）
    • 5.5 机器人的应用（上）
    • 5.6 机器人的应用（下）
    • 5.7 机器人系统的基本结构（上）
    • 5.8 机器人系统的基本结构（下）
    • 5.9 类人智能机器人现状（上）
    • 5.10 类人智能机器人现状（下）
  • 6 人工智能与社会发展
    • 6.1 人工智能的哲学基础：人工智能为什么和哲学相关
    • 6.2 人工智能的哲学基础：哲学如何影响着人工智能学科的发展
    • 6.3 人工智能的理性
    • 6.4 人工智能的伦理规范
    • 6.5 数据伦理
    • 6.6 算法伦理以及机器伦理
    • 6.7 人工智能伦理学-机器人伦理（1）
    • 6.8 人工智能伦理学-机器人伦理（2）
    • 6.9 法律与人工智能
  • 7 AI+生物学
    • 7.1 AI在当代生命科学中的应用：引言
    • 7.2 AI在当代生命科学中的应用：AI与基因组学
    • 7.3 AI在当代生命科学中的应用：AI助力蛋白结构解析(1)
    • 7.4 AI在当代生命科学中的应用：AI助力蛋白结构解析(2)
    • 7.5 AI在当代生命科学中的应用：AI赋能药物研发(1)
    • 7.6 AI在当代生命科学中的应用：AI赋能药物研发(2)
    • 7.7 AI在当代生命科学中的应用：AI与影像学的结合
    • 7.8 AI在当代生命科学中的应用：AI支持下的合成生物学
    • 7.9 AI在当代生命科学中的应用：结语
  • 8 AI+物理
    • 8.1 量子力学奇异特性
    • 8.2 量子力学公设
    • 8.3 量子比特：二能级系统
    • 8.4 量子隐形传态
    • 8.5 量子计算简介
    • 8.6 量子计算基本原理
    • 8.7 Deutsch-Joza 算法
    • 8.8 Shor算法
    • 8.9 HHL算法
    • 8.10 量子计算机进展
    • 8.11 离子阱量子计算机
    • 8.12 量子人工智能介绍
    • 8.13 量子人工智能编程实践
  • 9 AI+化学
    • 9.1 AI+化学：现状与未来（1）
    • 9.2 AI+化学：现状与未来（2）
    • 9.3 AI+化学：现状与未来（3）
    • 9.4 谱学描述符概述
    • 9.5 智能谱学驱动物质创制
    • 9.6 谱构效关系的迁移应用
    • 9.7 基于谱学描述符建立可解释模型
  • 10 AI+管理
    • 10.1 AI营销概述
    • 10.2 AI营销战略(1)
    • 10.3 AI营销战略(2)
    • 10.4 AI营销策略
  • 11 AI+材料
    • 11.1 数据智能科学研究
    • 11.2 数据驱动材料研发
    • 11.3 基于“谱-构-效”的AI研究
    • 11.4 机器学习应用于电池（1）
    • 11.5 机器学习应用于电池（2）
    • 11.6 机器学习应用于电池（3）
    • 11.7 数据驱动+热学超材料结构设计（上）
    • 11.8 数据驱动+热学超材料结构设计（中）
    • 11.9 数据驱动的热学超材料结构设计（下）
  • 12 AI+法学
    • 12.1 人工智能法概论
    • 12.2 AI与竞争法
    • 12.3 AI与知识产权法
    • 12.4 AI与民法基本原则及人格权
    • 12.5 AI与合同法
    • 12.6 AI与侵权责任法
    • 12.7 利用AI深度伪造实施犯罪行为的定性
    • 12.8 人工智能刑事主体资格的刑法讨论
    • 12.9 AI时代自动驾驶技术刑事规制手段的演变
  • 13 AI+新闻学
    • 13.1 AI+新闻：背景介绍
    • 13.2 AI+新闻：演进历程
    • 13.3 AI+新闻：行业现状
    • 13.4 AI+新闻采集
    • 13.5 AI+新闻生产（上）
    • 13.6 AI+新闻生产（下）
    • 13.7 AI+新闻分发
    • 13.8 AI+新闻的内容风险
    • 13.9 AI+新闻的认知风险
    • 13.10 AI+新闻的侵权风险
  • 14 AI+外语
    • 14.1 AI时代的语言学
    • 14.2 计算语言学与自然语言处理
    • 14.3 语料库语言学概说
    • 14.4 翻译技术概论
    • 14.5 机器翻译发展简史
    • 14.6 机器翻译的译后编辑
    • 14.7 AI时代的外语学习
    • 14.8 AI时代的外语教师发展
    • 14.9 AI时代的外语教学
  • 15 AI+艺术
    • 15.1 AI促进艺术学科的革新迭代
    • 15.2 AI引导艺术实践的发展演进
    • 15.3 AI推动美术创作的创意表达
    • 15.4 AI介入音乐创作的数字传播
    • 15.5 AI驱动设计创新的智态应用
      • 15.5.1 AI牵引文化创新数智转译设计
      • 15.5.2 AI支撑乡村环境有机更新设计
      • 15.5.3 AI渗透文旅融合沉浸体验设计
      • 15.5.4 AI指引非遗技艺活化传承设计
    • 15.6 AI赋能艺术学科的多元永续
  • 16 AI+教育
    • 16.1 AI+教育：时代背景
    • 16.2 AI+教育：价值分析
    • 16.3 AI+教育：理论基础
    • 16.4 AI赋能教学活动
    • 16.5 AI赋能学习变革
    • 16.6 AI赋能教学研究
    • 16.7 教师AI素养
    • 16.8 学生AI素养
    • 16.9 AI+教育：挑战与应对
  • 17 AI+农学
    • 17.1 AI+稻虾养殖概述
    • 17.2 AI+稻虾种养智能设备
    • 17.3 稻虾养殖智能化系统与技术
    • 17.4 智慧园艺基本概念
    • 17.5 智慧园艺智能装备
    • 17.6 智慧园艺智能系统（上）
    • 17.7 智慧园艺智能系统（中）
    • 17.8 智慧园艺智能系统（下）
  • 18 AI+医学
    • 18.1 智能营养管理：AI助力健康生活
    • 18.2 AI助力精准营养：个性化营养策略
    • 18.3 AI助力营养分析
    • 18.4 生成式人工智能和解剖学教育
    • 18.5 基于AI的人体解剖学实验学习评价系统
    • 18.6 图像识别技术在人体形态结构自动辨认中的应用
    • 18.7 解剖学变异、临床与AI的融合示例
    • 18.8 医学影像与AI
    • 18.9 AI在呼吸系统影像学中的应用
    • 18.10 AI在循环系统影像学中的应用
  • 19 AI+材料
    • 19.1 磁性材料研发与应用
    • 19.2 AI在无机非金属材料领域的应用
    • 19.3 AI在新能源材料领域的应用
    • 19.4 机器学习构建镁合金力学性能模型及预测
    • 19.5 虚拟制造技术
  • 20 AI+冶金
    • 20.1 AI赋能钢铁智造 (1)
    • 20.2 AI赋能钢铁智造(2)
    • 20.3 AI赋能钢铁智造 (3)
    • 20.4 机器学习模型的实际应用
    • 20.5 机器学习在冷轧平整机控制中的应用
    • 20.6 机器学习在热轧产品性能预报中的应用
    • 20.7 AI在钢铁冶金中的应用(1)
    • 20.8 AI在钢铁冶金中的应用(2)
    • 20.9 AI在钢铁冶金中的应用(3)
    • 20.10 AI在钢铁冶金中的应用(4)
  • 21 AI+经济学
    • 21.1 大数据基本概念
    • 21.2 财务大数据的采集
    • 21.3 大数据处理概论
    • 21.4 大数据挖掘概论
    • 21.5 大数据建模与分析概论
    • 21.6 财务文本分析-财经词云图
    • 21.7 大数据的数据建模
    • 21.8 财务文本分析-文本情感分析
    • 21.9 大数据决策分析1
    • 21.10 大数据决策分析2
  • 22 AI+金融
    • 22.1 我们身边的AI金融
    • 22.2 AI金融通识概述
    • 22.3 AI金融场景应用
    • 22.4 金融风险管理概述
    • 22.5 AI金融风险管理
    • 22.6 AI金融资产配置
    • 22.7 金融大模型
    • 22.8 金融大模型应用场景
    • 22.9 人机共生金融新生态
  • 23 AI+建筑
    • 23.1 AI+智能设计
    • 23.2 AI+智能建造
    • 23.3 智慧运维与智能生活
    • 23.4 AI在城市规划中的应用场景
    • 23.5 AI在城市交通中的应用
    • 23.6 探索技术革新下的城乡规划实践
    • 23.7 AI赋能智能建造
    • 23.8 AI在土木工程智能监测中的应用
    • 23.9 AI赋能土木工程施工安全(1)
    • 23.10 AI赋能土木工程施工安全(2)
  • 24 AI+机器人
    • 24.1 机器人技术发展
    • 24.2 机器人智能作业系统案例（上）
    • 24.3 机器人智能作业系统案例（下）
    • 24.4 机器人智能产线设计仿真（1）
    • 24.5 机器人智能产线设计仿真（2）
    • 24.6 机器人智能产线设计仿真（3）
    • 24.7 机器人智能产线项目实例
    • 24.8 AI+机器人：学习建议
  • 25 AI+心理学
    • 25.1 AI如何改变我们的生活？
    • 25.2 AI何以预测人们的心理和行为？
    • 25.3 数字技术赋能学生心理危机应对
    • 25.4 AI在心理健康促进中的应用
    • 25.5 头号心理健康问题——抑郁
    • 25.6 基于AI的抑郁自动识别
    • 25.7 AI赋能心理健康评测
    • 25.8 传统校园心理健康教育
    • 25.9 大模型和数字人简介
    • 25.10 校园心理健康教育的新范式
    • 25.11 心理健康智能化产品介绍
    • 25.12 AI多模态筛查+AI心理伙伴
AI+教育：挑战与应对