該項目強調(diào)AI理論、技術(shù)和工具，以解決具有多種類型約束的實際問題，例如訓(xùn)練數(shù)據(jù)有限的問題和大數(shù)據(jù)問題。通過理論與實踐相結(jié)合的學(xué)習(xí)，畢業(yè)生將能夠提升他們的能力和技能。

課程輔導(dǎo)內(nèi)容

AI6101 人工智能與人工智能倫理簡介

本課程介紹人工智能(AI)的基礎(chǔ)知識，特別關(guān)注倫理問題。它為學(xué)生提供了跨學(xué)科的人工智能概述，幫助他們開始在這一領(lǐng)域的學(xué)習(xí)之旅。將介紹有關(guān)人工智能和知識工程的形式表示以解決計算問題的基本范例。

主要涵蓋的主題包括：

1.人工智能的基礎(chǔ)、歷史和最新進展

2.搜索和智能代理

3.強化學(xué)習(xí)

4.計算游戲理論

5.人工智能倫理的哲學(xué)基礎(chǔ)

6.將倫理考慮納入人工智能系統(tǒng)的技術(shù)

7.倫理人工智能的實際應(yīng)用示例

AI6102 機器學(xué)習(xí)：方法與應(yīng)用

先決條件：通過AI6104(除了具有數(shù)學(xué)學(xué)位或已修讀概率和線性代數(shù)課程的學(xué)生)

本課程旨在提供機器學(xué)習(xí)基礎(chǔ)方法的介紹性但廣泛的視角，并展示如何將機器學(xué)習(xí)技術(shù)應(yīng)用于實際應(yīng)用。對于追求人工智能或數(shù)據(jù)科學(xué)職業(yè)的任何人都是相關(guān)的。

本課程的教學(xué)內(nèi)容包括各種機器學(xué)習(xí)范例中的不同機器學(xué)習(xí)方法，例如監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)等，以及機器學(xué)習(xí)的應(yīng)用。

AI6103 深度學(xué)習(xí)與應(yīng)用

深度學(xué)習(xí)最近引入了一種從人工設(shè)計特征到端到端系統(tǒng)的范式轉(zhuǎn)變，徹底改變了包括計算機視覺、語音識別和自然語言處理在內(nèi)的多個領(lǐng)域。像谷歌、Facebook、微軟、蘋果和亞馬遜等頂級IT公司一直在積極地使用深度學(xué)習(xí)技術(shù)重新設(shè)計其產(chǎn)品，未來幾十年的影響將不僅限于自動駕駛汽車、圍棋等戰(zhàn)略游戲和MRI癌癥檢測。

本課程的主要目標(biāo)是介紹數(shù)學(xué)基礎(chǔ)、最先進的深度學(xué)習(xí)架構(gòu)以及深度學(xué)習(xí)專業(yè)庫。學(xué)生將學(xué)習(xí)如何設(shè)計自己的人工神經(jīng)網(wǎng)絡(luò)來解決他們的數(shù)據(jù)分析任務(wù)。他們還將學(xué)習(xí)如何使用PyTorch高效地編寫這些新算法，PyTorch是該領(lǐng)域最強大的庫之一。

AI6104 人工智能數(shù)學(xué)

本課程旨在為將學(xué)習(xí)人工智能碩士課程的學(xué)生提供適當(dāng)?shù)臄?shù)學(xué)背景。完成此課程后，學(xué)生應(yīng)能夠：

• 解決線性方程組

• 使用線性獨立基來分解向量。

• 計算偏導(dǎo)數(shù)

• 基于泰勒級數(shù)進行近似計算

• 在多變函數(shù)中尋找最大值和最小值。

AI6120 Python編程

本課程旨在為將學(xué)習(xí)數(shù)據(jù)科學(xué)和人工智能課程的學(xué)生提供適當(dāng)?shù)挠嬎惚尘?。完成此課程后，學(xué)生應(yīng)能夠：

• 使用Python的Jupyter Notebook環(huán)境。

• 在Python中解決標(biāo)準(zhǔn)算法問題。

• 在Python中執(zhí)行標(biāo)準(zhǔn)數(shù)值計算。

• 使用Pandas處理數(shù)據(jù)，并使用Matplotlib進行圖形處理。

AI6121 計算機視覺

計算機視覺近年來引起了越來越多的興趣，這要歸功于深度學(xué)習(xí)，特別是卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)等方面的最新進展。世界各地的頂尖IT公司，如谷歌、蘋果、阿里巴巴、亞馬遜、騰訊和百度，都在不同的計算機視覺技術(shù)領(lǐng)域大舉投資，因為這些技術(shù)在機器人、自動駕駛、監(jiān)控和安全、計算機輔助醫(yī)學(xué)診斷等領(lǐng)域有廣泛應(yīng)用。

本課程的主要目標(biāo)是介紹計算機視覺和機器學(xué)習(xí)的相關(guān)數(shù)學(xué)基礎(chǔ)、基本圖像分析和機器學(xué)習(xí)技術(shù)，以及在檢測、識別和分類任務(wù)中的計算機視覺技術(shù)。通過案例研究和項目，本課程將呈現(xiàn)一系列現(xiàn)實世界的問題和挑戰(zhàn)。學(xué)生將在課程結(jié)束時充分了解各種機器學(xué)習(xí)和計算機視覺技術(shù)。他們還將學(xué)會如何為各種現(xiàn)實世界問題設(shè)計自己的機器學(xué)習(xí)和計算機視覺系統(tǒng)。

AI6122：文本數(shù)據(jù)管理和處理

本課程涵蓋了處理和管理文本數(shù)據(jù)的基本技術(shù)。主要主題包括：1)文本索引和搜索：倒排索引、查詢處理、排名和評估;2)單詞級、句子級、文檔級和集合級處理：形態(tài)分析、詞性標(biāo)記、解析、摘要、分類和聚類，以及主題建模;3)案例研究和應(yīng)用：社交媒體文本、情感分析和信息提取。

AI6123：時間序列分析

許多復(fù)雜系統(tǒng)是動態(tài)系統(tǒng)，其狀態(tài)隨時間變化。本課程介紹了時間序列模型以及用于數(shù)據(jù)分析和推斷的相應(yīng)方法。涵蓋的主題包括回歸模型、自回歸(AR)、移動平均(MA)、ARMA和ARIMA過程、平穩(wěn)和非平穩(wěn)過程、季節(jié)性過程、模型識別、參數(shù)估計、擬合模型的診斷檢查、罕見事件檢測、預(yù)測、頻譜分析以及異方差時間序列模型。通過使用R進行實驗室操作，詳細(xì)闡述了在經(jīng)濟、金融和工業(yè)領(lǐng)域的時間序列數(shù)據(jù)的特征、建模和預(yù)測。

AI6124 神經(jīng)進化和模糊智能

本課程以學(xué)習(xí)、適應(yīng)和認(rèn)知的簡要介紹為起點，探討了學(xué)習(xí)形式、監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)、強化學(xué)習(xí)，適應(yīng)機制、誤差驅(qū)動、性能目標(biāo)，以及用于執(zhí)行這種學(xué)習(xí)的演化和神經(jīng)計算的工具。還討論了知識認(rèn)知的組織以及將這些結(jié)構(gòu)與軟計算模型集成的方式。與發(fā)展深度神經(jīng)結(jié)構(gòu)相關(guān)的知識抽象和表達引起了討論，這些結(jié)構(gòu)可用于從數(shù)據(jù)中演化和直接學(xué)習(xí)這種認(rèn)知知識結(jié)構(gòu)?？紤]到在認(rèn)知知識組織中的邏輯表征以及模糊表示，以及這些表示在認(rèn)知知識組織中的哲學(xué)。覆蓋模糊邏輯和模糊推理，以及在深度學(xué)習(xí)神經(jīng)結(jié)構(gòu)內(nèi)的實現(xiàn)。涵蓋了不同形式的學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)，可以基于數(shù)據(jù)動態(tài)演化或構(gòu)造模糊規(guī)則。我們還將討論用于評估構(gòu)建/演化的模糊神經(jīng)網(wǎng)絡(luò)質(zhì)量的模型交叉驗證和驗證。還涵蓋了概念形成、規(guī)則關(guān)聯(lián)、數(shù)據(jù)漂移和轉(zhuǎn)移、遺忘、正負(fù)激勵、表達和抽象之間的演化權(quán)衡問題。接下來，我們將研究相關(guān)的認(rèn)知智能應(yīng)用，如在計算金融領(lǐng)域的風(fēng)險交易系統(tǒng)、資產(chǎn)評估、模糊交易模型以及計算關(guān)注焦點 - 情感、情感和動機建模。

AI6125 多智能體系統(tǒng)

本課程涵蓋了多智能體系統(tǒng)的介紹。它將首先介紹多智能體系統(tǒng)以及一些有趣的應(yīng)用領(lǐng)域，同時解釋了定義的復(fù)雜性。然后，討論這些多智能體系統(tǒng)中的決策制定和規(guī)劃。還通過沖突互動、博弈論和均衡概念來解釋多智能體系統(tǒng)，這些系統(tǒng)分為善意智能體系統(tǒng)和自私智能體系統(tǒng)。在每個主題中，學(xué)生將被要求閱讀和呈現(xiàn)文獻中的多篇最新論文。課程還包括大型項目組件，學(xué)生需要實施自己的多智能體系統(tǒng)，并在項目結(jié)束時呈現(xiàn)他們的項目成果。

AI6126 高級計算機視覺

深度學(xué)習(xí)的崛起導(dǎo)致了計算機視覺領(lǐng)域的一系列突破，開創(chuàng)了以前無法想象的可能性。涌現(xiàn)了許多新應(yīng)用，包括人臉識別、圖像超分辨率和自動駕駛汽車中的機器視覺等。本課程旨在通過使用深度學(xué)習(xí)技術(shù)，為高級計算機視覺提供具體知識。本課程將涵蓋圖像和視頻識別，包括圖像分類、各種目標(biāo)檢測技術(shù)、圖像和視頻分割、圖像超分辨率和視頻字幕等。重點將放在對技術(shù)的概念理解上，以及使用現(xiàn)代深度學(xué)習(xí)框架實施這些技術(shù)的實際操作上。學(xué)生還將有機會批判性地審查與該領(lǐng)域相關(guān)的科學(xué)文獻。課程項目將鼓勵學(xué)生解決實際研究問題，并讓他們在書面和口頭科學(xué)交流方面積累經(jīng)驗?？傮w來說，本課程將為打算在計算機視覺領(lǐng)域進行研究和開發(fā)的學(xué)生提供很好的曝光度。

AI6127：自然語言處理的深度神經(jīng)網(wǎng)絡(luò)

自然語言處理(NLP)是人工智能中最重要的領(lǐng)域之一。在信息時代，它變得非常關(guān)鍵，因為大多數(shù)信息以非結(jié)構(gòu)化文本的形式存在。NLP技術(shù)無處不在，人們主要通過語言進行交流，如語言翻譯、網(wǎng)絡(luò)搜索、客戶支持、電子郵件、論壇、廣告、放射學(xué)報告等。NLP應(yīng)用背后有許多核心NLP任務(wù)和機器學(xué)習(xí)模型。

深度學(xué)習(xí)最近從傳統(tǒng)的任務(wù)特定特征工程轉(zhuǎn)向端到端系統(tǒng)，跨多個不同的NLP任務(wù)和下游應(yīng)用中取得了高性能，包括谷歌、阿里巴巴、蘋果、亞馬遜、Facebook、騰訊和微軟等科技公司現(xiàn)在都在積極開展深度學(xué)習(xí)方法以改進他們的產(chǎn)品。例如，谷歌用基于深度學(xué)習(xí)的系統(tǒng)取代了傳統(tǒng)的統(tǒng)計機器翻譯和語音識別系統(tǒng)。本課程全面介紹了應(yīng)用于NLP的深度學(xué)習(xí)的前沿方法。在模型方面，我們將涵蓋詞表示、面向NLP的基于窗口的神經(jīng)網(wǎng)絡(luò)、用于NLP的循環(huán)神經(jīng)網(wǎng)絡(luò)、長短時記憶模型、用于解析的遞歸神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)，以及更高級的主題，如編碼器-解碼器模型和注意機制。

AI6128 城市計算

城市計算是一個新興學(xué)科，旨在解決城市快速城市化進程中的挑戰(zhàn)，如污染、能源消耗和交通擁堵等?；谖锫?lián)網(wǎng)(IoT)基礎(chǔ)設(shè)施和人工智能，城市計算獲取、整合和分析城市空間的各種來源生成的大量和異構(gòu)數(shù)據(jù)，如傳感器、設(shè)備、車輛、建筑物和人類等，以應(yīng)對主要的城市挑戰(zhàn)。

本課程將介紹：

1)城市計算的概念和應(yīng)用

2)城市感知技術(shù)，包括獲取時空城市數(shù)據(jù)

3)支持城市計算應(yīng)用的云計算基礎(chǔ)設(shè)施

4)城市數(shù)據(jù)管理，包括空間數(shù)據(jù)管理和時空數(shù)據(jù)管理

5)城市數(shù)據(jù)挖掘，包括空間數(shù)據(jù)挖掘和時空數(shù)據(jù)挖掘

6)城市數(shù)據(jù)學(xué)習(xí)，包括時空預(yù)測和強化學(xué)習(xí)

7)高級主題，如邊緣計算和跨領(lǐng)域城市數(shù)據(jù)融合。

AI6129 人工智能碩士項目

這個項目將在連續(xù)兩個學(xué)期內(nèi)進行，為學(xué)生提供了與SCSE的教師合作并學(xué)習(xí)特定問題的最新AI技術(shù)的機會。項目范圍可能基于教職工的研究興趣或工業(yè)合作。學(xué)生需要記錄他們的工作并在正式報告中報告他們的研究結(jié)果，并在項目結(jié)束時進行口頭演示(如果有)。

以上就是關(guān)于“南洋理工大學(xué)人工智能碩士輔導(dǎo)”的相關(guān)介紹，海馬課堂專業(yè)課程輔導(dǎo)，3500+嚴(yán)選碩博學(xué)霸師資，針對學(xué)生的薄弱科目和學(xué)校教學(xué)進度，匹配背景相符的導(dǎo)師，根據(jù)學(xué)生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細(xì)講解課程中的考點、 難點問題，并提供多方位的課后輔導(dǎo)，輔助學(xué)生掌握全部課程知識，補足短板。