返回課程
COMP5511
研究生
PolyU | 人工智能概念
這門內容全面的課程為研究生及專業人士提供嚴謹而淺顯易懂的人工智能入門介紹。課程 bridging 歷史基礎與前沿創新之間的 gap，內容從符號式人工智能與搜尋演算法，逐步推進至現代深度學習與生成式人工智能。學生將探討知識表示、機率推理及經典機器學習等核心主題，然後深入鑽研神經網絡、Transformer 及大型語言模型（LLMs）。課程強調理論與實踐並重，採用 Python 及 PyTorch 等業界標準框架來實作演算法、與現代 API 互動，並探討人工智能倫理與安全方面的關鍵議題。
5.0
64.0h
100 學習者
25 堂課
80 讚好
人工智能
課程總覽
內容摘要
這門綜合性課程提供了嚴謹且易於理解的人工智慧（AI）導論，專為研究生和專業人士設計。課程銜接了歷史基礎與前沿創新之間的差距，課程內容從符號 AI 和搜尋演算法進展到現代深度學習和生成式 AI。學生將探索知識表示、機率推理和經典機器學習等重要主題，然後深入學習神經網路、Transformer 和大型語言模型（LLM）。本課程強調理論與實踐並重，利用 Python 和 PyTorch 等業界標準框架來實作演算法、與現代 API 互動，並解決 AI 倫理和安全方面的關鍵問題。
本課程銜接了經典符號 AI 與現代生成式 AI 之間的差距，為學生提供理論深度和實用的 Python 技能，以設計、實作並以合乎倫理的方式評估智慧系統。
學習目標
- 精通 AI 基礎： 分析並實作基本的問題解決範式，包括啟發式搜尋、基於邏輯的推理和機率建模。
- 實作深度學習架構： 使用 PyTorch 設計和訓練先進的神經網路，從多層感知器到卷積神經網路和 Transformer。
- 部署生成式 AI 解決方案： 使用大型語言模型（LLM）設計應用程式，採用微調、提示工程和檢索增強生成（RAG）等技術。
- 確保合乎倫理的 AI 開發： 批判性地評估 AI 系統的偏見、安全性和對齊問題，在實際場景中應用可解釋性和穩健性策略。