人工智能
Table of contents
课程内容
- 本课程作为介绍人工智能概况与基础知识的课程，主要介绍人工智能相关知识，包括机器学习、深度学习及其在交通领域中的应用
- 主要面向具有一定数理基础及编程能力的本科生（大三及大四学生），学生最好能够熟练运用Python，熟悉Numpy、Pandas、matplolib等基础工具包，了解scikit-learn、PyTorch等机器学习、深度学习编程工具
- 本课程以结合知识讲授与代码实践为目标，为学生提供多个代码练习，并以自由选题的课程设计作为考核方式，着重强调提升学生理论与实践相结合的动手能力
参考资料
-
《Machine Learning for Transportation Research and Applications》, Yinhai Wang, Zhiyong Cui, Ruimin Ke, Elsevier, 2023 -
《神经网络与深度学习》，邱锡鹏，复旦大学, 2020 [下载]
课程设计（大作业）
- 课程设计以小组为单位，每队3-4人，第三次课前完成组队
- 每个小组通过调研、阅读文献、与老师或助教沟通，确定题目，第六次课前确定题目
- 选题以 “人工智能 + 专业” 为大方向，以小组兴趣为主
- 具体要求
- 选题与 “人工智能 + 专业”相关
- 所用方法与课上讲授的“人工智能”内容相关
- 展示采用PPT形式，每组7分钟
- 课程设计报告提交形式及模板，请见[具体要求]
- 课程设计项目答辩在进行第十一周
课时安排
第二周
第三周
- Sep 21
- 机器学习基础, 深度学习框架简介与PyTorch
- 练习-0 截止
第四周
第六周
- Oct 12
- 感知智能（计算机视觉，卷积神经网络）
- 练习-2， 作业-1 截止[提交]，练习-1 截止[提交]
第七周
- Oct 19
- 认知智能（自然语言处理+循环神经网络+Transformer）
- 练习-3， 练习-2 截止[提交]
第八周
- Oct 26
- 决策智能（强化学习）
- 练习-3 截止[提交]
第九周
- Nov 2
第十周
- Nov 9
第十一周
[第十二周
课程时间
2023年秋季，第2周至第10周
- 9:00 AM
- 9:30 AM
- 10:00 AM
- 10:30 AM
- 11:00 AM
- 11:30 AM
- 12:00 PM
- 12:30 PM
- 1:00 PM
- 1:30 PM
- 2:00 PM
- 2:30 PM
- 3:00 PM
- 3:30 PM
- 4:00 PM
- 4:30 PM
- 5:00 PM
- 5:30 PM
-
星期一
-
Office Hours2:30 PM–3:30 PM国实 B806，李诚博
-
星期二
星期三
-
星期四
-
Lecture9:50 AM–11:25 AMJ5-302
-
Office Hours3:30 PM–4:30 PM国实 B805，赵艺萱
-
星期五
授课团队
授课教师
）
助教
