人工智能

人类智能涉及感知、分析、推理和适应的连续过程。在本课程中，我们将重点研究可用于开发人工智能（AI）系统的算法（包括学习和优化）。由于时间有限，我们将尽量避免数学证明，而更侧重于理论和使用不同编程语言的实现。.

本模块介绍不同的数据处理和挖掘技术以及最先进的数据处理和挖掘工具。主题包括数据挖掘和知识发现过程介绍、数据收集和各种来源的各种数据类型的处理、社交网络挖掘。本模块将探讨数据挖掘的各种技术和趋势。.

本模块主要强调深度机器学习（ML）的基础知识，涵盖基本概念和高级概念，包括哲学、线性代数、大数据、优化和信息论。.

本模块的教材经过精心设计，以满足学生的需求和学习计划的要求，同时还提供了决定研究活动的基本项目管理技能。学生将接触到项目管理领域的各种工具、技术、方法和流程。此外，还将讨论项目规划和管理的道德和法律问题。.

本模块向学生介绍研究以及用于支持科学工作、数据分析、假设建立和人工验证的方法，以了解一门适当学科的研究。本模块的材料经过精心设计，以满足学生的需求和学习课程的要求。该模块涵盖了文献综述的传统方法，作为项目阶段的必要准备，并借鉴了大学其他院系的专业知识。.

本课程是数据科学统计学的入门课程，因此假定学生在此之前对该学科知之甚少。本模块介绍描述性统计（包括图形方法）、估计、线性回归模型和推断统计的基础知识。将使用适当的软件工具从数据中提取见解。.

智能代理是可以通过传感器感知环境并通过执行器改变环境状态的程序。环境可以是完全基于软件的，例如代理可以学习如何玩的计算机游戏，也可以是代理控制机器人并帮助其绕过障碍到达目的地的物理现实环境。有一种技术使代理的训练有别于其他技术，那就是向代理提供数据的方式。传统技术（如人工神经网络或决策树归纳法）通常需要向训练算法提供被称为训练集的数据。训练集由记录组成，每条记录都有若干输入和输出。训练的目的是让算法输出与其输入相关联的正确值。训练包括反复向训练算法提供训练集，直到算法在将输入映射到输出方面没有改进为止。.

本模块旨在介绍数据科学中使用的一些核心概念和工具。因此，它包括有关数据采集、维护、处理、分析和交流的讨论。将讨论一系列真实世界的案例研究，并在这些案例研究中使用最先进的软件和算法作为工具。.

无论您是决定继续深造还是投身行业，数据科学家最重要的技能之一就是在组织的适当指导下创造性地工作的能力。因此，您必须在一次重要的综合实践中，运用和发展从其他模块以及更广泛的教育和/或工作背景中获得的技能和知识。您需要在一名学术人员的指导下提出一个想法，并通过综合运用技术、分析、实践和管理技能，证明自己有能力进一步发展该想法，并制作出合适的作品。.