本模块将向您介绍人工智能的基本原理，重点包括：

• 构成智能体的结构、资源与处理过程；

• 用于模拟“智能”过程的技术、模型与工具；

• 批判性审阅人工智能文献与产品、综合创新思维、系统性解决AI问题及有效沟通的能力。

您将学习理解人工智能的基础知识与技能，掌握更“智能”地解决实际问题的方法，并最终能够开发智能系统。

当前主流方法包括统计方法、计算智能与传统符号人工智能。AI 的常用工具涵盖数学优化、逻辑、概率等多个领域。人工智能已成为科技产业的重要组成部分，为计算机科学中最具挑战性的问题提供核心解决方案。

机器学习是人工智能的一个分支，使系统能够自动从经验中学习与改进。本模块将使您熟悉基本的机器学习算法与技术及其应用，同时探讨处理与分析大型数据集的相关问题。重点放在算法与应用上，并辅以对其原理的概述性说明。

本模块将介绍深度学习的基础知识、模型、算法、实现方法及最新进展，并提供训练神经网络的实践机会。
您将从人工神经网络（ANN）的结构与运行原理入手，逐步学习如何构建多层大型神经网络（DNN）。
课程还将讲解深度学习的工作机制及网络训练技巧，包括梯度消失与爆炸问题、激活函数与优化器的应用等技术重点。

本模块旨在帮助您掌握分析、评估与实施“负责任的人工智能”解决方案的指南，重点考虑AI的伦理、法律与社会层面问题。您将学习当前用于开发伦理AI系统的框架，并将其应用于实践。

模块内容分为三部分：

• 设计阶段的责任AI（Responsible AI in Design）——确保在开发过程中充分考虑对人的影响；
• 设计中的责任AI（Responsible AI by Design）——理解AI系统行为并将伦理推理整合进算法；
• 设计者的责任AI（Responsible AI for Designers）——学习开发者应遵守的行为准则与标准。

本模块将确保您具备在硕士阶段进行应用研究的准备。您将学习如何提出研究问题并使用数据与统计进行验证。

内容包括：

• 研究导论与研究流程；
• 制定研究目标与方法、分析与呈现数据；
• 文献综述撰写、研究伦理与引用规范；
• 论文提案及论文写作；
• 学术资源的使用与职业规划。

毕业论文可以采取以下三种形式：

• 软件开发型研究——通过软件开发与测试探索某一问题或概念；
• 研究导向型研究——基于实证数据或文献元分析对特定领域进行批判性评估；
• 信息系统案例研究——以具体企业案例为基础探索信息系统概念或应用。

所有研究类型均要求进行系统的文献综述，以展示独立学习与批判性分析能力。

模块目标：

• 提高对当代就业环境的认识；
• 提供结构化框架，帮助学生理解求职与职业发展的挑战；
• 识别并发展关键职业技能与可转移能力；
• 制定个人职业规划并提升就业竞争力。