該項目強調AI理論、技術和工具，以解決具有多種類型約束的實際問題，例如訓練數據有限的問題和大數據問題。通過理論與實踐相結合的學習，畢業生將能夠提升他們的能力和技能。

課程輔導內容

AI6101 人工智能與人工智能倫理簡介

本課程介紹人工智能(AI)的基礎知識，特別關注倫理問題。它為學生提供了跨學科的人工智能概述，幫助他們開始在這一領域的學習之旅。將介紹有關人工智能和知識工程的形式表示以解決計算問題的基本范例。

主要涵蓋的主題包括：

1.人工智能的基礎、歷史和最新進展

2.搜索和智能代理

3.強化學習

4.計算游戲理論

5.人工智能倫理的哲學基礎

6.將倫理考慮納入人工智能系統的技術

7.倫理人工智能的實際應用示例

AI6102 機器學習：方法與應用

先決條件：通過AI6104(除了具有數學學位或已修讀概率和線性代數課程的學生)

本課程旨在提供機器學習基礎方法的介紹性但廣泛的視角，并展示如何將機器學習技術應用于實際應用。對于追求人工智能或數據科學職業的任何人都是相關的。

本課程的教學內容包括各種機器學習范例中的不同機器學習方法，例如監督學習、半監督學習、無監督學習等，以及機器學習的應用。

AI6103 深度學習與應用

深度學習最近引入了一種從人工設計特征到端到端系統的范式轉變，徹底改變了包括計算機視覺、語音識別和自然語言處理在內的多個領域。像谷歌、Facebook、微軟、蘋果和亞馬遜等頂級IT公司一直在積極地使用深度學習技術重新設計其產品，未來幾十年的影響將不僅限于自動駕駛汽車、圍棋等戰略游戲和MRI癌癥檢測。

本課程的主要目標是介紹數學基礎、最先進的深度學習架構以及深度學習專業庫。學生將學習如何設計自己的人工神經網絡來解決他們的數據分析任務。他們還將學習如何使用PyTorch高效地編寫這些新算法，PyTorch是該領域最強大的庫之一。

AI6104 人工智能數學

本課程旨在為將學習人工智能碩士課程的學生提供適當的數學背景。完成此課程后，學生應能夠：

• 解決線性方程組

• 使用線性獨立基來分解向量。

• 計算偏導數

• 基于泰勒級數進行近似計算

• 在多變函數中尋找最大值和最小值。

AI6120 Python編程

本課程旨在為將學習數據科學和人工智能課程的學生提供適當的計算背景。完成此課程后，學生應能夠：

• 使用Python的Jupyter Notebook環境。

• 在Python中解決標準算法問題。

• 在Python中執行標準數值計算。

• 使用Pandas處理數據，并使用Matplotlib進行圖形處理。

AI6121 計算機視覺

計算機視覺近年來引起了越來越多的興趣，這要歸功于深度學習，特別是卷積神經網絡、循環神經網絡等方面的最新進展。世界各地的頂尖IT公司，如谷歌、蘋果、阿里巴巴、亞馬遜、騰訊和百度，都在不同的計算機視覺技術領域大舉投資，因為這些技術在機器人、自動駕駛、監控和安全、計算機輔助醫學診斷等領域有廣泛應用。

本課程的主要目標是介紹計算機視覺和機器學習的相關數學基礎、基本圖像分析和機器學習技術，以及在檢測、識別和分類任務中的計算機視覺技術。通過案例研究和項目，本課程將呈現一系列現實世界的問題和挑戰。學生將在課程結束時充分了解各種機器學習和計算機視覺技術。他們還將學會如何為各種現實世界問題設計自己的機器學習和計算機視覺系統。

AI6122：文本數據管理和處理

本課程涵蓋了處理和管理文本數據的基本技術。主要主題包括：1)文本索引和搜索：倒排索引、查詢處理、排名和評估;2)單詞級、句子級、文檔級和集合級處理：形態分析、詞性標記、解析、摘要、分類和聚類，以及主題建模;3)案例研究和應用：社交媒體文本、情感分析和信息提取。

AI6123：時間序列分析

許多復雜系統是動態系統，其狀態隨時間變化。本課程介紹了時間序列模型以及用于數據分析和推斷的相應方法。涵蓋的主題包括回歸模型、自回歸(AR)、移動平均(MA)、ARMA和ARIMA過程、平穩和非平穩過程、季節性過程、模型識別、參數估計、擬合模型的診斷檢查、罕見事件檢測、預測、頻譜分析以及異方差時間序列模型。通過使用R進行實驗室操作，詳細闡述了在經濟、金融和工業領域的時間序列數據的特征、建模和預測。

AI6124 神經進化和模糊智能

本課程以學習、適應和認知的簡要介紹為起點，探討了學習形式、監督學習、無監督學習、強化學習，適應機制、誤差驅動、性能目標，以及用于執行這種學習的演化和神經計算的工具。還討論了知識認知的組織以及將這些結構與軟計算模型集成的方式。與發展深度神經結構相關的知識抽象和表達引起了討論，這些結構可用于從數據中演化和直接學習這種認知知識結構。考慮到在認知知識組織中的邏輯表征以及模糊表示，以及這些表示在認知知識組織中的哲學。覆蓋模糊邏輯和模糊推理，以及在深度學習神經結構內的實現。涵蓋了不同形式的學習神經網絡，可以基于數據動態演化或構造模糊規則。我們還將討論用于評估構建/演化的模糊神經網絡質量的模型交叉驗證和驗證。還涵蓋了概念形成、規則關聯、數據漂移和轉移、遺忘、正負激勵、表達和抽象之間的演化權衡問題。接下來，我們將研究相關的認知智能應用，如在計算金融領域的風險交易系統、資產評估、模糊交易模型以及計算關注焦點 - 情感、情感和動機建模。

AI6125 多智能體系統

本課程涵蓋了多智能體系統的介紹。它將首先介紹多智能體系統以及一些有趣的應用領域，同時解釋了定義的復雜性。然后，討論這些多智能體系統中的決策制定和規劃。還通過沖突互動、博弈論和均衡概念來解釋多智能體系統，這些系統分為善意智能體系統和自私智能體系統。在每個主題中，學生將被要求閱讀和呈現文獻中的多篇最新論文。課程還包括大型項目組件，學生需要實施自己的多智能體系統，并在項目結束時呈現他們的項目成果。

AI6126 高級計算機視覺

深度學習的崛起導致了計算機視覺領域的一系列突破，開創了以前無法想象的可能性。涌現了許多新應用，包括人臉識別、圖像超分辨率和自動駕駛汽車中的機器視覺等。本課程旨在通過使用深度學習技術，為高級計算機視覺提供具體知識。本課程將涵蓋圖像和視頻識別，包括圖像分類、各種目標檢測技術、圖像和視頻分割、圖像超分辨率和視頻字幕等。重點將放在對技術的概念理解上，以及使用現代深度學習框架實施這些技術的實際操作上。學生還將有機會批判性地審查與該領域相關的科學文獻。課程項目將鼓勵學生解決實際研究問題，并讓他們在書面和口頭科學交流方面積累經驗。總體來說，本課程將為打算在計算機視覺領域進行研究和開發的學生提供很好的曝光度。

AI6127：自然語言處理的深度神經網絡

自然語言處理(NLP)是人工智能中最重要的領域之一。在信息時代，它變得非常關鍵，因為大多數信息以非結構化文本的形式存在。NLP技術無處不在，人們主要通過語言進行交流，如語言翻譯、網絡搜索、客戶支持、電子郵件、論壇、廣告、放射學報告等。NLP應用背后有許多核心NLP任務和機器學習模型。

深度學習最近從傳統的任務特定特征工程轉向端到端系統，跨多個不同的NLP任務和下游應用中取得了高性能，包括谷歌、阿里巴巴、蘋果、亞馬遜、Facebook、騰訊和微軟等科技公司現在都在積極開展深度學習方法以改進他們的產品。例如，谷歌用基于深度學習的系統取代了傳統的統計機器翻譯和語音識別系統。本課程全面介紹了應用于NLP的深度學習的前沿方法。在模型方面，我們將涵蓋詞表示、面向NLP的基于窗口的神經網絡、用于NLP的循環神經網絡、長短時記憶模型、用于解析的遞歸神經網絡、卷積神經網絡，以及更高級的主題，如編碼器-解碼器模型和注意機制。

AI6128 城市計算

城市計算是一個新興學科，旨在解決城市快速城市化進程中的挑戰，如污染、能源消耗和交通擁堵等。基于物聯網(IoT)基礎設施和人工智能，城市計算獲取、整合和分析城市空間的各種來源生成的大量和異構數據，如傳感器、設備、車輛、建筑物和人類等，以應對主要的城市挑戰。

本課程將介紹：

1)城市計算的概念和應用

2)城市感知技術，包括獲取時空城市數據

3)支持城市計算應用的云計算基礎設施

4)城市數據管理，包括空間數據管理和時空數據管理

5)城市數據挖掘，包括空間數據挖掘和時空數據挖掘

6)城市數據學習，包括時空預測和強化學習

7)高級主題，如邊緣計算和跨領域城市數據融合。

AI6129 人工智能碩士項目

這個項目將在連續兩個學期內進行，為學生提供了與SCSE的教師合作并學習特定問題的最新AI技術的機會。項目范圍可能基于教職工的研究興趣或工業合作。學生需要記錄他們的工作并在正式報告中報告他們的研究結果，并在項目結束時進行口頭演示(如果有)。

以上就是關于“南洋理工大學人工智能碩士輔導”的相關介紹，海馬課堂專業課程輔導，3500+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。