人类的智能包括感知、分析、推理和适应的连续过程。在本课程中，我们将重点学习算法(包括学习和优化)，这些算法可用于开发人工智能(AI)系统。由于时间有限，我们将尽量消除数学证明，并更多地关注使用不同编程语言的理论和实现。

本模块着眼于不同的数据处理和挖掘技术，以及最新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的介绍，从各种来源的各种数据类型的数据收集和处理，社交网络挖掘。本模块将介绍数据挖掘中的各种技术和趋势。

该模块的主要重点是深度机器学习(ML)的基础知识，涵盖基本和高级概念，包括哲学，线性代数，大数据，优化和信息论。

本模块中的材料经过精心设计，以满足学生对学习计划的需求和要求，以及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、方法和过程。本课程亦会讨论项目规划及管理的伦理及法律问题。

本模块向学生介绍研究，以及用于支持科学工作、数据分析、假设建立和人工制品验证的方法，以理解适当学科的研究。本模块的材料经过精心设计，以满足学生对学习计划的需求和要求。本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，并借鉴了大学其他部门的专业知识。

这是一门数据科学统计学的入门课程，因此它不需要预先了解该主题。本模块介绍了描述性统计(包括图形方法)、估计、线性回归模型和推理统计的基础知识。将使用适当的软件工具来从数据中提取见解。

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，比如一个智能体可以学习如何玩的电脑游戏，或者一个智能体控制机器人并帮助它绕过障碍到达目的地的现实世界环境。将智能体的训练与其他训练区别开来的一种技术是将数据呈现给智能体的方式。传统技术(如人工神经网络或决策树归纳)通常涉及将数据(称为训练集)呈现给训练算法。训练集由记录组成，每个记录都有多个输入和一个输出。训练的目的是让算法输出与其输入相关联的正确值。训练包括将训练集反复呈现给训练算法，直到它无法更好地将输入映射到输出。

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，它包括对数据捕获、维护、处理、分析和通信的讨论。将讨论一系列现实世界的案例研究，并将使用最先进的软件和算法作为这些案例研究中的工具。

无论你是决定继续深造还是在工业界工作，数据科学家最重要的技能之一是在组织的适当指导下创造性地工作的能力。因此，在一个主要的综合练习中，你必须使用和发展从其他模块以及从你更广泛的教育和/或工作背景中获得的技能和知识。你将被期望开发一个创意(由一名学术人员指导)，并展示你进一步发展它的能力，通过综合运用你的技术、分析、实践和管理技能来生产一个合适的人工制品。