香港大學(xué)AI人工智能碩士項(xiàng)目的核心課程將使學(xué)生能夠深入研究人工智能的基本概念、方法以及基礎(chǔ)數(shù)學(xué)和統(tǒng)計(jì)工具，從而在理論和實(shí)踐方面打下堅(jiān)實(shí)的基礎(chǔ)。同時(shí)，學(xué)生可以從涵蓋廣泛當(dāng)代主題的選修課程列表中選擇18個(gè)學(xué)分的課程，以獲得人工智能領(lǐng)域各種應(yīng)用技術(shù)的扎實(shí)培訓(xùn)。以下是對香港大學(xué)AI碩士必修課程主要內(nèi)容的簡要介紹，希望對你有所幫助。

1、ARIN7001 人工智能基礎(chǔ)(6學(xué)分)

本課程將介紹數(shù)學(xué)、統(tǒng)計(jì)學(xué)和計(jì)算機(jī)科學(xué)的基礎(chǔ)知識、方法和工具，以研究和應(yīng)用人工智能。

2、ARIN7011 人工智能中的優(yōu)化(6學(xué)分)

本課程將向?qū)W生介紹在人工智能和機(jī)器學(xué)習(xí)中發(fā)揮重要作用的優(yōu)化理論和算法。主題包括：1)人工智能中的基本優(yōu)化模型(線性規(guī)劃模型、整數(shù)規(guī)劃模型、網(wǎng)絡(luò)模型、內(nèi)核學(xué)習(xí)和深度學(xué)習(xí)模型等)；2)人工智能中的優(yōu)化理論(最優(yōu)性條件、約束限定、深度神經(jīng)網(wǎng)絡(luò)的全球景觀分析、近似算法、對偶性、復(fù)雜性分析等)；3)人工智能中的優(yōu)化算法，包括(a)經(jīng)典算法(單純形法、內(nèi)點(diǎn)法、切割平面法、梯度類型法、投影法 、拉格朗日方法、牛頓型方法、涅斯捷羅夫加速法)，(b)隨機(jī)算法(隨機(jī)梯度下降(SGD)、隨機(jī)坐標(biāo)下降法、隨機(jī)方差減小梯度、自適應(yīng)梯度法、自適應(yīng)矩估計(jì)(ADAM)等)，(c)大規(guī)模優(yōu)化問題算法(算子分解算法(BCD型算法、ADMM、原-對偶型算法等)、集中/分散算法等)，(d) 非凸優(yōu)化和深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。

3、ARIN7013 人工智能中的數(shù)值方法(6學(xué)分)

本課程將向?qū)W生介紹人工智能和機(jī)器學(xué)習(xí)中常用的數(shù)值方法。主題包括：1)數(shù)值分析中的概念和概念(卷積矩陣(與CNN相關(guān))、核方法、稀疏矩陣的直接方法)。2)求解線性系統(tǒng)的數(shù)值方法(雅可比法、高斯-西德爾法、奇異值分解(SVD)、低秩矩陣逼近及其在人工智能和機(jī)器學(xué)習(xí)中的應(yīng)用)。3) 主成分分析、張量分解及其在計(jì)算機(jī)視覺、圖像處理、人工智能和機(jī)器學(xué)習(xí)中的應(yīng)用。4) 計(jì)算特征值和特征向量(瑞利商數(shù)，在人工智能和機(jī)器學(xué)習(xí)中的應(yīng)用)。5) 常微分方程的數(shù)值方法(穩(wěn)定性、收斂性分析、SGD和歐拉方法的關(guān)系、使用DNN計(jì)算常微分方程)。

4、ARIN7101 人工智能中的統(tǒng)計(jì)學(xué)(6學(xué)分)

本課程重點(diǎn)關(guān)注統(tǒng)計(jì)學(xué)習(xí)和人工智能之間的相互作用，回顧經(jīng)典統(tǒng)計(jì)學(xué)習(xí)的主要概念，研究用于進(jìn)行統(tǒng)計(jì)學(xué)習(xí)的計(jì)算機(jī)密集型方法，并探討利用現(xiàn)代人工智能技術(shù)進(jìn)行統(tǒng)計(jì)學(xué)習(xí)的重要問題。內(nèi)容包括：經(jīng)典頻率和貝葉斯推理、重采樣方法、大規(guī)模假設(shè)檢驗(yàn)、正則化、馬爾可夫鏈和馬爾可夫決策過程。

5、ARIN7102 應(yīng)用數(shù)據(jù)挖掘和文本分析(6學(xué)分)

本課程將采用實(shí)踐方法，讓學(xué)生熟悉新一代數(shù)據(jù)挖掘工具和技術(shù)，并展示如何使用其做出明智的決策。主題包括：數(shù)據(jù)準(zhǔn)備、特征選擇、關(guān)聯(lián)規(guī)則、決策樹、bagging、隨機(jī)森林和梯度提升、聚類分析、神經(jīng)網(wǎng)絡(luò)、文本挖掘。

6、COMP7404 計(jì)算智能和機(jī)器學(xué)習(xí)(6學(xué)分)

本課程將教授一系列廣泛的原則和工具，為使用人工智能(AI)和機(jī)器學(xué)習(xí)(ML)解決問題提供數(shù)學(xué)、算法和哲學(xué)框架。課程主題可能包括以下內(nèi)容：啟發(fā)式搜索、約束滿足、博弈、基于知識的代理、監(jiān)督學(xué)習(xí)(例如回歸和支持向量機(jī))、無監(jiān)督學(xué)習(xí)(例如聚類)、降維、學(xué)習(xí)理論、強(qiáng)化學(xué)習(xí)、遷移學(xué)習(xí)和自適應(yīng)控制，以及人工智能和機(jī)器學(xué)習(xí)面臨的倫理挑戰(zhàn)。

7、DASC7606 深度學(xué)習(xí)(6學(xué)分)

本課程將涵蓋深度學(xué)習(xí)及其應(yīng)用所涉及的倫理問題，并重點(diǎn)介紹深度神經(jīng)網(wǎng)絡(luò)如何應(yīng)用于解決自然語言處理和圖像處理等領(lǐng)域的各種問題。其他應(yīng)用，如金融預(yù)測、游戲和機(jī)器人技術(shù)，也可能涵蓋在內(nèi)。課程涵蓋的主題包括：線性回歸和邏輯回歸、人工神經(jīng)網(wǎng)絡(luò)及其訓(xùn)練方法、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、生成模型、深度強(qiáng)化學(xué)習(xí)和無監(jiān)督特征學(xué)習(xí)。

以上就是香港大學(xué)AI碩士必修課程內(nèi)容概述。如果你在學(xué)習(xí)上述課程的過程中遇到問題，可以立即聯(lián)系考而思的課程顧問?？级寄軌蜥槍δ愕木唧w課業(yè)問題，為你提供一對一香港大學(xué)課程輔導(dǎo)。通過輔導(dǎo)，你將能夠更加深入地理解課程知識，解決疑難問題，從而在課程中有更好的表現(xiàn)。