安徽省人工智能通识课（AI+化学）

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）
    • 1.9 作业
    • 1.10 课程章节内容评价
  • 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
    • 2.9 作业
    • 2.10 课程章节内容评价
  • 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）
    • 3.9 作业
    • 3.10 课程章节内容评价
  • 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）
    • 4.11 作业
    • 4.12 课程章节内容评价
  • 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）
    • 5.11 作业
    • 5.12 课程章节内容评价
  • 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
    • 6.10 作业
    • 6.11 课程章节内容评价
  • 7 AI+化学
    • 7.1 AI+化学：现状与未来（1）
    • 7.2 AI+化学：现状与未来（2）
    • 7.3 AI+化学：现状与未来（3）
    • 7.4 谱学描述符概述
    • 7.5 智能谱学驱动物质创制
    • 7.6 谱构效关系的迁移应用
    • 7.7 基于谱学描述符建立可解释模型
    • 7.8 课程章节内容评价
数据伦理