动手学AI:人工智能通识与实践
动手学AI:人工智能通识与实践
少于1000 人选课
更新日期:2025/12/15
开课平台学银在线
开课高校-
开课教师周志华陈斌李宇峰申富饶范鹤鹤朱霖潮黄涛沈为陈思明刘卫文刘湘雯徐英瑾
学科专业
开课时间2025/10/01 - 2026/02/14
课程周期20 周
开课状态开课中
每周学时-
课程简介

这门课会讲什么?

“动手学AI:人工智能通识与实践”课程,分为理论、实验两大部分。


理论部分,由来自复旦大学、上海交通大学、南京大学、浙江大学等高校教学名师联袂讲授,通过梳理人工智能发展历程,用类比人类智能的方式,探索机器学习、自然语言处理、计算机视觉、生成式AI及智能体等核心领域。




实验部分,提供丰富的任务内容、实操工具与算力支持,通过任务导向、场景驱动,以“情境导入→任务分解→动手实践→效果检验”的实验设计,培养人机协同解决问题的思维与能力。


你将收获什么?

1. 丰富 AI 理论知识储备

  • 由复旦大学、上海交通大学等多所高校教学名师授课,保障理论讲解的专业性和权威性。

  • 可系统学习 AI 发展历程,并深入了解机器学习、自然语言处理、计算机视觉等核心领域知识。

  • 课程通过类比人类智能的方式讲解,降低理解难度,帮助学生更好地掌握理论内容。


2.  提升AI 实践操作能力

  • 能接触丰富的实验任务内容、实操工具,并获得算力支持,满足动手实践的基础需求。

  • 可遵循 “情境导入→任务分解→动手实践→效果检验” 的流程完成实验,形成完整的实践闭环。

  • 实验以任务导向和场景驱动,让学生在实际应用场景中提升操作能力。


3. 培养人机协同解决问题的思维

  • 课程通过理论与实验结合的设计,引导学生建立人机协同的思维模式。

  • 在实验实践中,学生需运用 AI 工具解决具体问题,逐步培养利用 AI 协同解决问题的能力。


4. AI实验支持——300元算力券

  • 阿里云,全球领先的云计算及人工智能科技公司,为课程提供实验技术与算力支持。每位高校学生可免费领取300元算力券支持完成实验。


适合什么人学习?

本课程适合所有想要提升个人 AI 理论知识、强化实践能力的大学生

课程大纲

课程章节

  • 第一章 课前须知
  • 第二章 AI的发展历程
  • 第三章 搜索与优化算法
  • 第四章 AI如何学习:机器学习原理
  • 第五章 AI如何学习:深度学习基础
  • 第六章 AI如何对话:自然语言处理
  • 第七章 大语言模型
  • 第八章 生成式人工智能
  • 第九章 AI如何看世界:计算机视觉
  • 第十章 数据应用与可视化
  • 第十一章 驾驭AI:智能体
  • 第十二章 AI发展与行业趋势
  • 第十三章 AI伦理挑战与治理

第一章 课前须知

1.1 课前须知

试读

第二章 AI的发展历程

2.1 什么是人工智能?

试读

2.2 人工智能是如何发展的?

试读

2.3 今天的人工智能

试读

2.4 怎么学习人工智能?

试读

第三章 搜索与优化算法

3.1 问题求解与计算思维

试读

3.2 经典算法:迭代与递归

试读

3.3 专家系统

试读

3.4 优化问题和贪心策略

试读

3.5 经典算法:枚举与搜索

试读

3.6 棋类AI:基本游戏策略

试读

3.7 棋类AI:博弈树

试读

3.8 棋类AI:盲目搜索

试读

3.9 棋类AI:启发式搜索

试读

3.10 仿生优化算法

试读

3.11 从传统算法到机器学习

试读

第四章 AI如何学习:机器学习原理

4.1 机器学习是什么?

试读

4.2 机器学习能做什么?

试读

4.3 有监督学习

试读

4.4 无监督学习

试读

4.5 强化学习

试读

4.6 机器学习的核心

试读

4.7 人工智能会像人一样思考吗?

试读

4.8 人工智能会威胁人类吗?

试读

第五章 AI如何学习:深度学习基础

5.1 神经元与感知机

试读

5.2 什么是深度学习?

试读

5.3 卷积神经网络

试读

5.4 循环神经网络

试读

5.5 生成对抗网

试读

5.6 深度学习面临的挑战及其应对

试读

第六章 AI如何对话:自然语言处理

6.1 自然语言处理的发展历程

试读

6.2 自然语言处理的核心技术

试读

6.3 自然语言处理的日常应用

试读

6.4 自然语言处理的未来展望

试读

第七章 大语言模型

7.1 认识大语言模型

试读

7.2 大语言模型的工作原理

试读

7.3 大语言模型的技术演进

试读

7.4 大语言模型与Transformer

试读

7.5 大语言模型的训练过程

试读

7.6 大语言模型的前沿动态

试读

第八章 生成式人工智能

8.1 生成式人工智能是什么?

试读

8.2 文本生成

试读

8.3 图像和视频生成

试读

8.4 音频生成

试读

8.5 多模态生成

试读

第九章 AI如何看世界:计算机视觉

9.1 计算机视觉是什么?

试读

9.2 计算机视觉的挑战

试读

9.3 计算机视觉的发展历程

试读

9.4 计算机视觉的应用

试读

第十章 数据应用与可视化

10.1 数据分析:流行病爆发案例

试读

10.2 数据可视化的历史

试读

10.3 数据与可视化的基本概念

试读

10.4 可视化方法:高维数据

试读

10.5 可视化方法:时空与时序数据

试读

10.6 可视化方法:网络与层次数据

试读

10.7 社媒数据可视化分析案例

试读

10.8 智能可视分析

试读

第十一章 驾驭AI:智能体

11.1 智能体的发展历程

试读

11.2 推理规划与工具调用

试读

11.3 记忆机制与多智能体系统

试读

11.4 智能体的应用与测评

试读

11.5 智能体的挑战与未来

试读

第十二章 AI发展与行业趋势

12.1 AI发展概述

试读

12.2 AI技术发展的六大趋势

试读

12.3 生成式人工智能的 “五新” 应用

试读

第十三章 AI伦理挑战与治理

13.1 AI伦理挑战概述

试读

13.2 AI风险治理的探索

试读

13.3 AI公平与偏见问题

试读

13.4 AI伦理的哲学底色

试读

13.5 迈向具有心智的AI

试读