第二弹!属于 AI 教学者的精选“课单”

2020-03-31 | 作者:微软亚洲研究院

最近,在教育部新公布的新增备案本科专业名单中,180 所高校新增人工智能专业。

如何与时俱进,开设一门个性化的 AI 课程?

如何在海量开源资源中,找到成熟的教案、教学实验可以作为参照?

我们为你准备好了!

上个月,为了帮助 AI 自学者找到适合自己的人工智能课程,我们推出了AI 自学者“课单”系列第一弹。

这次,我们面向想要开设人工智能课程的老师们,准备了多维度的开源教学资源!它们也都是教育部-微软产学合作协同育人项目的精品成果。

AI 教学者们,快快开启“选修二”的进阶之路吧!

 

教学资源简介:

人工智能的新时代已经到来,它正在彻底改变我们的行业与工作形态。几乎所有职业都在迈向数字化、自动化、智能化,对人工智能人才的巨大需求也显而易见。

带着对行业发展预警式的思考,这门课程用多元的应用场景带学生入门。前半场手把手地教授基础知识,后半场环环相扣,开启机器学习、神经网络、深度学习的进阶探索。

丰富的实验内容(个人实践、团队建立、项目开发)贯穿教学的始终,让学生在深入理论思辨的同时,不与产业逻辑脱节。

AI 教学者们,可以在这份完整的教学大纲中各取所需。

 

 



2018 年主讲的选修课程《人工智能》参与微软亚洲研究院-教育部产学合作协同育人项目,立项并获得资助。

主要研究方向为人工智能、智能信息处理与分析等。主持或参与教育部-微软亚洲研究院产学合作及省自然科学基金、省教育厅等多项科研项目。当前主要承担本科生《人工智能》、《通信原理》、《软件工程》等多门课程的教学任务。

资源链接:

https://github.com/happyfaye/AIforJmuNet



教学资源简介:

这是一个以深度学习的代表算法“卷积神经网络”为核心的教学案例

随着卷积神经网络(CNN)越来越多地应用于图像分类,构建可复用的 CNN 图像分类模型,意味着可以大大减轻科研的工作量。

这个实验为想要教授卷积神经网络的你提供了源代码,对 Keras 中可复用的 CNN 模型进行封装。教学过程中,你可以把代码复制到本地,直接“跑起来”,或者修改配置文件和模型数据,选用包括 VGG-16,ResNet-50 等 CNN 模型对图片数据进行分类,也可以根据自己的教学需要,DIY 进行二次开发。


 


具有 16 年的教学经历和较为丰富的教学经验,先后获得中科院科技进步一等奖、辽宁省科技进步二等奖,是教育部微软精品课程“实践考核类课程(VB.NET)”负责人。作为“将国外优秀教学资源引进软件工程人才培养体系的探索与实践”项目主要完成人,获得辽宁省级教学成果一等奖;作为“软件工程专业 CDIO 教学模式的探索与实践”项目主要完成人,获得东北大学教学成果特等奖。

资源链接:

https://github.com/yuho8818/MSCnnClassifier-Evualation



教学资源简介:

自然语言处理(NLP)是计算机应用领域历史最悠久的问题之一。在人工智能四大功能(运算、感知、认知、创造)的“金字塔”中,自然语言处理属于认知智能层面,位居第二。

近年来,人工智能发展迅猛,云计算技术使巨大模型的训练成为可能,通过不停迭代一个粗浅的算法,让 AI 自然语言处理的功能愈渐完善。

这是一份完整的 NLP 机器学习模型讲义,通过剖析自然语言处理的难点及其解决办法,带学生入门,讲义中含有大量的 NLP 常用 Benchmarks、综合分析工具,从易到难,分类讲解(线性模型、主题模型、预训练模型、图神经网络模型)。更有精美的幻灯片视觉设计,可供参考。


该课件来自天津大学自然语言处理课程组。该课程由量子智能与语言理解团队负责人侯越先教授,及团队成员曲日、孙越恒、张鹏及王博老师共同讲授。课程由微软亚洲研究院副院长周明博士发起,由天津大学和南开大学联合开设,历时十年,是国内最早开设的自然语言处理课程之一。

课件提供者王博副教授,2010 年于哈尔滨工业大学计算机学院获博士学位,华盛顿大学心理学系访问学者。主要从事智能对话、个性化推荐和用户画像研究。主持国家自然科学基金项目,国家社会重大项目子课题等多项国家级科研项目,并获多项省部级教学奖项,在自然语言处理与社会计算领域具有丰富的研究及教学经验。

资源链接:

https://tjandbjzy.github.io/TJU_NLP_ML_models/

标签