人工智能学院

师生比例: 8:1
硬件 + 软件:
Python, Scikit-Learn, Tensoflow, Javascript
适合年龄: 12–18 (以及从未学习过相关课程的学生）
课程日期:7.22–7.26 / 7.29–8.2
时间: 9:00AM–4:30PM
项目: 青少年夏令营（两周)

课程介绍

在课程开始时，学生们将了解机器学习和人工智能的工作原理，它们目前对现实世界的影响以及未来的发展趋势。然后，学生将学习使用积木式编程语言制作他们自己的机器学习项目。随着课程的展开，学生将掌握用python语言进行编程的基本知识，创建例如聊天机器人、预测模型和可自动进行游戏的机器人等机器学习项目。进入第二周的学习后，学生们将学习探索人工智能在数据，工具，服务方式等方面的应用，以及如何将AI应用到他们自己的课题中。在课程结束时，学生将学习机器学习的理论和数学原理，并使用这些技能和策略解决数据问题。

课程信息

学生将学会

机器学习和神经网络的基础
使用 AI 预测结果的优势和局限性
如何应用图像识别和数据科学来解决问题
一个让你玩游戏的人工智能摄像头视频

学生将完成

可互动的聊天机器人和基于文本的聊天机器人
用于预测分析的神经网络
可以自动玩游戏的程序
学生选择类别的图像分类器
允许使用网络摄像机玩游戏的AI
数据的可视化及分析

课程内容

第一部分

探索人工智能：什么是人工智能，它是如何工作的，它对我们有什么影响?
训练你的第一个机器学习模型
使用条件语句和循环语句进行编程
Python 语言进行编程的基础:条件和循环
编程时列表和表格的使用
使用模型建造一个简单的聊天机器人

第二部分

基于数据集构建预测器
神经网络的建立与训练
测试与评估预测结果
设计可自动进行游戏的程序的基础知识
通过随机方法(random play)生成样本数据集
训练模型并生成新的样本数据

第三部分

确定第一周的结课课题范围
获取、整理并准备所有数据
探索人工智能的更多应用:图像和自然语言处理
深入研究并调整示例项目，选择另一个主题重新进行训练
探索神经网络和深度学习的原理

第四部分

探索图像识别的基础和应用
MNIST 数据集简介以及数字分类器的构建
将字体分类器适用于传统图像分类器
探索 Tensorflow 的高级功能
Tensorflow 的可视化和 Tensorflow 分析

第五部分

使用迁移学习和图像识别技术来玩游戏
使用网络摄像机收集数据
探索 AI 工具并设定课题目标
为结课课题开发模型并进行训练
测试，迭代和设计后续步骤以改进结果