浙大

浙江大学人工智能专业课程涵盖多个核心领域，形成了全面且深入的课程体系，以下是对该专业课程的详细介绍：

一、核心课程：构建人工智能知识体系

1. 人工智能：模型与算法
   • 课程定位：国家级一流本科课程，由浙江大学人工智能研究所所长吴飞教授授课。
   • 内容涵盖：
     • 基础理论：人工智能概述、可计算思想起源与发展、人工智能发展简史。
     • 核心技术：搜索求解（启发式搜索、对抗搜索、蒙特卡洛树搜索）、逻辑与推理（命题逻辑、谓词逻辑、知识图谱推理）、统计机器学习（监督学习、无监督学习）、深度学习（前馈神经网络、卷积神经网络）、强化学习（Q-Learning、深度强化学习）、人工智能博弈（博弈论、遗憾最小化算法）。
     • 实践应用：通过算法实验和MO实训项目（如八皇后问题、机器人自动走迷宫等）实现理论与实践结合。
   • 课程目标：帮助学习者掌握人工智能脉络体系，从算法层面“知其意、悟其理、守其则、践其行”，建立人工智能认知框架。
2. 机器学习
   • 课程定位：人工智能专业的核心课程之一。
   • 内容涵盖：机器学习基本概念、线性回归分析、提升算法（Boosting）、逻辑斯蒂回归与分类、潜在语义分析、线性区别分析及分类等。
   • 课程目标：培养学生掌握数据驱动的核心方法，能够运用机器学习算法解决实际问题。
3. 自然语言处理
   • 课程定位：人工智能应用领域的重要课程。
   • 内容涵盖：自然语言理解、语义分析、机器翻译、文本生成等。
   • 课程目标：培养学生处理和分析人类语言的能力，推动人工智能在语言交互领域的应用。
4. 计算机视觉
   • 课程定位：人工智能应用领域的核心课程。
   • 内容涵盖：图像处理、目标检测、图像分割、三维重建等。
   • 课程目标：培养学生处理和分析视觉信息的能力，推动人工智能在视觉理解领域的应用。
5. 强化学习
   • 课程定位：人工智能决策领域的重要课程。
   • 内容涵盖：马尔科夫决策过程、策略优化与策略评估、Q-Learning、深度强化学习等。
   • 课程目标：培养学生设计智能体在复杂环境中自主决策的能力。

二、特色课程：促进学科交叉与融合

1. 人工智能与社会人文
   • 课程定位：跨学科课程，结合人文社科背景探讨人工智能的社会影响。
   • 内容涵盖：人工智能伦理、人工智能在人文社科领域的应用案例等。
   • 课程目标：培养学生跨学科思维，理解人工智能技术的社会价值与潜在风险。
2. 人工智能哲学基础与伦理
   • 课程定位：哲学与人工智能交叉课程。
   • 内容涵盖：人工智能的哲学基础、伦理框架、技术治理等。
   • 课程目标：引导学生思考人工智能技术的本质与边界，培养负责任的创新态度。
3. 智能机器人控制
   • 课程定位：机器人工程与人工智能交叉课程。
   • 内容涵盖：机器人导论、机器人学、机器人驱动与控制、机器视觉等。
   • 课程目标：培养学生设计智能机器人的能力，推动人工智能在机器人领域的应用。

三、实践课程：强化技术应用能力

1. 算法实验
   • 课程定位：实践类课程，通过具体项目锻炼学生动手能力。
   • 内容涵盖：实验环境设置、实验作业完成与测试、代表性算法实现等。
   • 课程目标：培养学生将理论转化为实际解决方案的能力。
2. MO实训项目
   • 课程定位：校企合作实践项目，模拟真实应用场景。
   • 内容涵盖：八皇后问题、黑白棋讲解、垃圾分类、K-means异常检测、机器人自动走迷宫等。
   • 课程目标：通过企业级项目训练，提升学生技术应用与场景创新能力。

四、通识课程：拓宽学术视野

1. 人工智能基础（A/B/C）
   • 课程定位：面向不同学科背景学生的通识课程。
   • 内容涵盖：
     • 基础（A）：面向理工科学生，介绍AI基本概念、原理及常用算法。
     • 基础（B）：面向人文社科学生，结合案例分析AI在人文社科领域的应用。
     • 基础（C）：面向无编程基础学生，通过案例探索AI在人文社科问题的潜力。
   • 课程目标：普及人工智能基础知识，培养跨学科素养。
2. 新一代人工智能的形成与人才培养
   • 课程定位：前沿讲座类课程，探讨人工智能发展趋势。
   • 内容涵盖：人工智能前沿技术、产业应用、人才培养态势等。
   • 课程目标：帮助学生了解行业动态，规划职业发展路径。

清华

清华大学人工智能专业课程体系完备，涵盖核心课程、特色课程、实践课程与通识课程四大模块，以下是对该专业课程的详细介绍：

一、核心课程：构建人工智能知识体系

1. 数学与理论课程：

   • 人工智能应用数学：由图灵奖得主姚期智院士亲自授课，涵盖线性代数、概率论与数理统计、最优化理论等，为人工智能算法研究提供数学基础。
   • 计算理论：探讨计算的本质与极限，为理解人工智能算法提供理论支撑。

2. 算法与编程课程：

   • 算法设计：教授算法设计与分析的基本方法，培养解决复杂问题的能力。
   • 人工智能语言程序设计：学习人工智能领域常用的编程语言，如Python、C++等，并实践人工智能算法的实现。

3. 人工智能核心技术课程：

   • 人工智能：原理与技术：系统介绍人工智能的基本原理、技术方法与应用领域。
   • 机器学习：涵盖监督学习、无监督学习、强化学习等核心算法，培养数据驱动的核心方法应用能力。
   • 深度学习：聚焦神经网络架构、优化算法及应用，如CNN、RNN、Transformer等。
   • 计算机视觉：研究图像处理、目标检测、图像分割等视觉任务的核心技术。
   • 自然语言处理：探讨语言模型、语义分析、机器翻译等语言处理技术。
   • 数据挖掘：学习从海量数据中提取有价值信息的方法与技术。

二、特色课程：促进学科交叉与融合

1. 人工智能与交叉学科课程：

   • 智能机器人控制：结合机器人学与人工智能，研究机器人的感知、决策与控制技术。
   • 无人驾驶技术与系统实现：聚焦自动驾驶系统的关键技术，如环境感知、路径规划等。
   • 人工智能软硬件核心技术：讲解AI软硬件技术的发展历史、基础概念及全栈设计与优化方法论。

2. 人工智能哲学与伦理课程：

   • 人工智能哲学基础与伦理：探讨人工智能的哲学基础、伦理框架及技术治理问题。
   • 人工智能、社会与人文：结合人文社科背景，分析人工智能的社会影响与应用案例。

三、实践课程：强化技术应用能力

1. 课程实验与项目实践：

   • 算法实验：通过具体项目锻炼学生动手能力，如实现经典机器学习算法。
   • 人工智能应用实践：与企业合作开展实践项目，如基于大模型的行业知识库问答系统开发。
   • AI+X交叉项目：鼓励学生将人工智能与其他学科前沿相结合，开展跨学科创新研究。

2. 企业级实战与实习：

   • 人工智能实践课：与腾讯、华为等企业合作，提供实践机会，助力学生将所学知识应用于实际项目中。
   • 国际顶级机构访问研究：支持学生申请国际顶级机构访问研究，拓宽国际视野。

四、通识课程：拓宽学术视野

1. 人工智能通识课程：

   • 走近人工智能：面向全校学生，系统介绍人工智能的基本概念、技术思路与应用场景。
   • 人工智能与教育：探讨人工智能在教育领域的应用与创新，培养跨学科合作能力。

2. 人工智能辅修专业与课程证书项目：

   • AI辅修学位：面向校内有志于探索学科与AI交叉的学生开放报名，设置基座模块课程与“X+AI”进阶项目模块。
   • AI课程证书项目：提供更具通识特色、修读更为灵活的课程证书项目，掌握AI通识知识与素养。