首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到18条相似文献,搜索用时 140 毫秒
1.
机器学习是人工智能的关键核心技术。本文结合武汉大学计算机学院近年来开设机器学习本科生课程的教学经验,对机器学习本科生课程教学改革与人工智能专业创新人才培养进行了系统的探索与实践。该课程以一批青年国家级人才为骨干师资,依托国家级、省级和校级科研平台,将机器学习课程的教学过程深化扩展为理论与实践相结合的人工智能专业创新人才培养模式,具体包括机器学习理论课程教学改革、机器学习英文课程教学探索、人工智能综合创新实训建设、人工智能A类会议学术创新和互联网头部企业协同人才培养等方面,培养具有国际竞争力的复合型人工智能创新人才。  相似文献   

2.
人工智能的核心技术机器学习及其子领域深度学习是现阶段解决很多人工智能问题的主要方法。高中生已经具备了学习机器学习基础课程的知识结构和能力,开发具有普适性的高中机器学习课程显得尤为重要。长沙市周南中学在机器学习课程开发中注重打造专业的师资团队、建设课程资源库和寻求多方协同,遵循学本位、低成本、弹性、众创共享、由易入难、择优等原则。学校开发的机器学习课程包括基础课程和拓展课程两部分,制定了明确的"知识与技能""过程与方法""情感态度与价值观"目标。  相似文献   

3.
机器学习处于人工智能的核心位置,对机器学习研究和人工智能发展具有非常重要的推动作用。由于机器学习涉及到太多数学背景而提高了学习者学习难度,并且学习者基础薄弱也制约了其学习深度。针对机器学习的学习现状及学习者面临的问题,提出分层次学习方法。该方法可让学习者对知识点的理解由浅入深、层层深入,并且让不同需求的学习者认清学习目标。实践证明,该方法提高了学习者积极性,能很好地使学习者入门、深入及精通,提高了学习效率。  相似文献   

4.
机器学习是人工智能的一个核心研究领域,现正被广泛的应用在机器学习中,但这种技术方法目前还不是很完备。本文首先介绍了入侵检测的基本概念,然后介绍了几种基于机器学习的入侵检测技术,最后列举了当前异常检测系统所要面临的挑战。  相似文献   

5.
论机器学习     
机器学习是一门人工智能的科学,同时也是实现人工智能的一个重要途径。相应地,机器学习的研究目的有两个:一是用于提高机器人的性能;二是从数据库中发现新的知识。机器学习的研究队伍可以分为两个科学共同体:一个群体用于分类算法的改进;另一个群体主要进行从事计算学习理论的分析。  相似文献   

6.
论机器学习     
机器学习是一门人工智能的科学,同时也是实现人工智能的一个重要途径。相应地,机器学习的研究目的有两个:一是用于提高机器人的性能;二是从数据库中发现新的知识。机器学习的研究队伍可以分为两个科学共同体:一个群体用于分类算法的改进;另一个群体主要进行从事计算学习理论的分析。  相似文献   

7.
随着信息化的普及和数据库的大量建立,如何从数据中提炼出有用的信息已成为亟待解决的问题。机器学习是人工智能研究的核心问题,文章阐述了机器学习的概念、发展和分类及其应用,提出了机器学习的研究目标,指出了机器学习的发展趋势。  相似文献   

8.
量子机器学习是量子计算与机器学习交叉形成的新研究方向,其主要目标是利用量子特性实现对传统机器学习算法的加速。目前已经出现了不少有实际应用价值的量子机器学习算法,这些算法能通过降低计算的复杂性程度,在一些特定领域实现弱人工智能。从可计算性的视角来看,量子机器学习能完成非决定性计算,在理论上可以实现对意识结果的模拟,从而为强人工智能提供支持。  相似文献   

9.
孙璐 《考试周刊》2012,(76):110-111
本文介绍了人工智能学科中机器学习的概念、发展、分类及应用情况。  相似文献   

10.
机器学习技术在数据挖掘中的商业应用   总被引:3,自引:0,他引:3  
该文阐述了机器学习的定义、发展、分类及其商业应用.指出随着信息化的普及和数据库的大量建立,数据积累呈现出指数级的增长趋势,如何从数据中提炼出有用的信息和知识,已成为企业迫切需要解决的问题.数据收集和存储成本的降低、机器学习技术的发展等相关计算机技术的发展都大大促进了数据挖掘的商业应用.机器学习技术是计算机科学和人工智能发展的产物,是数据挖掘的重要方法之一.  相似文献   

11.
为了提高"人工智能"课程的教学质量和效果,激发学生的学习兴趣,促进学生找到行之有效的学习方法,从而加强对本门课程的掌握程度。本课题基于Python语言语法简单、使用便捷的特点,以人工智能领域中的机器学习为案例,结合Python中主流的人工智能算法库,实现了基于Python的机器学习。案例教学能让学生深入浅出地理解人工智能的本质,使学生对该课程有更加全面和深刻的认识,同时也能进一步提高教师的教学质量。  相似文献   

12.
机器学习作为一门源于人工智能和统计学的学科,是当前数据分析领域重点研究方向之一。首先通过追溯机器学习起源和介绍不同算法在求解策略上的启发性思路,讨论五类机器学习的发展及其主要算法在评价方法和优化方式上的实现,进一步总结归纳各算法适用领域和算法优劣,最后指出各算法克服自身缺陷的最新进展和未来实现多算法融合的研究方向。  相似文献   

13.
人工智能算法繁多,但经得起实践考验的经典算法有限,常见的有朴素贝叶斯、决策树、逻辑回归、支持向量机、深度学习、强化学习、遗传算法、蚁群算法、元学习等。依据人工智能算法理论基础知识,如概率统计、集合论、空间几何、图论、矩阵论等加以分类,并对相应经典人工智能算法概念和主要应用领域进行概述,去除结构细化和公式展开所带来的复杂感,揭开人工智能的神秘面纱,让算法整体轮廓得以更清晰地呈现。  相似文献   

14.
国外人工智能教学应用研究综述   总被引:1,自引:0,他引:1  
人工智能技术在教育教学中的应用日渐丰富,国内关于人机协同的研究多偏向于宏观理论探索,实践研究较少。鉴于此,研究以近三年三本具有国际影响力的期刊中人工智能教学应用相关文献为样本,以人工智能局部替代教学、赋能教学为焦点,分析国外人工智能教学应用研究现状。从中可以看出,当前国外研究者在探索认知特征、学习本质和教育规律的基础上,关注将机器学习、逻辑推理、自然语言理解等人工智能技术嵌入各类教学、学习、决策等工具、系统、平台中,支持构建体验学习情境、规范学习行为、评估学业水平和能力结构、制定个性化学习路径和内容等研究,旨在通过人机协同优化教学方式与路径,为学习者提供个性化学习服务。这些研究成果对开发人工智能教学产品、理解学习的本质、探索教学规律等提供了方法指导和可供借鉴的研究范式,但也存在人工智能教学应用研究狭窄化、碎片化、微观化等问题,后期还需从宏观、中观层面开展人工智能与教学的关系研究、人工智能教学应用关键技术研究、人工智能赋能教师的理论基础研究、人工智能与教学融合形态研究、人机协同背景下的教师人工智能教学应用素养研究等。  相似文献   

15.
潘威 《教育科学》2020,36(2):59-63
人工智能与教育的融合,引发了高校音乐教学理念的转变、师生关系的重构、学习方式的改变。面对人工智能技术带来的机遇与挑战,需要思考人工智能技术对于高校音乐教学场景、方式变革,学科视域融合、视唱提升等方面的价值。应通过搭建数据库、智能采样等方式不断探寻变革高校音乐教学的路径,从音乐理论、教育规律、技术进步等角度深刻思考高校音乐教学变革的可行性与边界。  相似文献   

16.
当前人工智能技术已经渗透到了教育领域的诸多方面,并引发了学生学习、课程与教学的系统变革。在人工智能背景下,深度学习、个性化学习、自适应学习、人机协同学习逐渐成为主流的学习方式,学习方式的变革直接推动了课程与教学范式的转变。就课程而言,课程的技术性范式越来越突出,藉由人工智能等技术的帮助,在课程取向上,更加注重不同学科之间的交叉及融合;在课程形态上,开始由静态、纸质、单一性到动态、在线和网络化的转变;在课程内容上,逐渐从一种固定、统一、有限转向了私人定制、无限和开放;就教学而言,在教学目标上,更加注重学生软技能(Soft Skills)和核心素养的培养;在教学方式上,开始聚焦于新技术、新媒介的融合和应用;在教学内容上,转向了对人工智能等新兴领域的关注和教授;在教学评价上,更加注重评价的过程性、精准性、数据化和个性化,等等。基于人工智能的时代背景考量,未来的课程与教学宜重点把握以下几点方向:重点关注可持续发展教育;注重对学生创造力、沟通、合作以及批判性思考等核心素养的培养;着力提升学生的“人工智能素养”教育;加强全人教育以及课程与教学的人文主义关怀。  相似文献   

17.
当前学习文化领域对社会叙事研究的漠视,可能导致人工智能学习文化走向异化的深渊。基于此,文章首先分析了社会叙事视角下文化生成的一般原理,即在个体层面,社会叙事为人们提供了感悟生活境遇、理解新技术内涵的基础;在群体层面,建构集体记忆能够将个体的语言行为提升为广泛的文化现象。接着,文章从社会叙事的传播学、语言学、发生学三种生成机制,阐释了其对人工智能学习文化成型的推动作用。随后,文章揭示了社会叙事影响下人工智能学习文化在技术和文化方面蕴藏的潜在危机。最后,文章指出学习者可从技术工具、资源环境、学习方式和学习理念四个层面调整未来学习文化的基调,消解叙事泡沫的负面影响。文章的研究不仅能帮助学界厘清学习文化生成及其问题产生的社会根源,而且可以促进教育人工智能及其学习文化的合理发展。  相似文献   

18.
通过科学知识图谱分析方法,对Scopus数据库中近二十年8660篇的国际人工智能教育研究文献进行深入分析,主要聚焦于国际人工智能教育研究的发展态势和知识结构。结果显示:驱动人工智能研究的主要是政策、经济投入与国际合作;而人工智能教育研究的知识结构间的关系主要涉及机器学习/教育、智能导学系统和人类学习/教育,它们在根本上体现了智能主体(人与机器)间的关系,并凸显数字化学徒制的特征。进而启发人工智能教育专业人才培养:一是要重视政策、经济投入和国际合作等外部动因;二是要紧扣智能主体视域下人机关系及其四种主客体结构的核心内容;三是要加强技术伦理教育。此外,还要应对可能的风险。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号