Stanford Summer Session

Θερινό μάθημα: Εξερευνώντας την Τεχνητή Νοημοσύνη

Αυτό το μάθημα θα παρέχει στους φοιτητές μια επισκόπηση της Τεχνητής Νοημοσύνης και μια κατανόηση βασικών εννοιών της Τεχνητής Νοημοσύνης. Θα εξετάσουμε έναν τυπικό αγωγό Μηχανικής Μάθησης. Θα μελετήσουμε διαφορετικά προβλήματα που η Μηχανική Μάθηση χρησιμοποιείται για την επίλυση και κοινά ζητήματα που προκύπτουν (όπως υπερπροσαρμογή, παρέκκλιση και μεροληψία).

Οι φοιτητές θα μάθουν πώς λειτουργούν τα νευρωνικά δίκτυα και στη συνέχεια θα εξετάσουν εξειδικευμένες εκδόσεις νευρωνικών δικτύων για την επεξεργασία εικόνων, δεδομένων αλληλουχίας και κειμένου. Θα εξερευνήσουμε τα συστήματα γενετικής Τεχνητής Νοημοσύνης για κείμενο και εικόνες. Θα μελετήσουμε επίσης κοινωνικά ζητήματα που σχετίζονται με την Τεχνητή Νοημοσύνη, συμπεριλαμβανομένων ηθικών ζητημάτων και των επιπτώσεων του αυτοματισμού.

Αυτό το μάθημα θα επικεντρωθεί στην παροχή μιας εννοιολογικής κατανόησης της Τεχνητής Νοημοσύνης. Ενώ οι φοιτητές θα έχουν κάποιο χρόνο να εργαστούν και να τροποποιήσουν πραγματικά συστήματα τεχνητής νοημοσύνης, δεν είναι ένα μάθημα προγραμματισμού.

Ωστόσο, οι φοιτητές θα πρέπει να έχουν CS106A ή παρόμοια εμπειρία, καθώς θα υποθέσουμε ότι θα έχουν κάποια βασική κατανόηση του προγραμματισμού.

Λεπτομέριες:

• Αριθμός καταλόγου: CS106EA
• Ώρα: Χωρίς ημέρες Χωρίς ώρες - Χωρίς ώρες
• Μονάδες: 3
• Αριθμός τάξης: 11485
• Τομέας Ενδιαφέροντος: Καινοτομία και Επιχειρηματικότητα
• Διδάσκων: Πάτρικ Γιανγκ
• Πληθυσμός: Προπτυχιακοί, Μεταπτυχιακοί
• Τομέας Ενδιαφέροντος: Καινοτομία και Επιχειρηματικότητα
• Μορφή & Διάρκεια Μαθήματος: Προσωπική Συνάντηση, 8 Εβδομάδες
• Προαπαιτούμενα: Απαιτήσεις μαθήματος - CS106A ή ισοδύναμο
• Βάση Βαθμολόγησης: Επιστολή ή Πιστωτική Επιστολή/Χωρίς Πιστωτική Επιστολή