*/
/* 
*/
/* 
*/
/* 
*/
/* */
/*
*/
/* */
/* */
/*
*/
/* */
/*
*/
/* */
/* */
/* */
/* 郑伟诗
*/
/* */
/* */
/*
*/
/* 郑伟诗
(课程负责人)
*/
/* Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 王瑞轩
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 杨猛
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 王昌栋
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 胡建芳
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 谢晓华
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 马锦华
*/ /*Associate Professor
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 汤裕明
*/ /*student
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 林坤昱
*/ /*student
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 冯家苇
*/ /*student
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 彭义兴
*/ /*student
*/ /**/
/* */
/* */
/* */
/* */
/*
*/
/* 黄国泓
*/ /*student
*/ /**/
/*
*/
/* */
/*
*/
/* */
/*
*/
/* 课程描述
*/ /**/
/*
*/
/* 面向中山大学信息学科研究生（侧重计算机科学与技术专业），以模式识别与计算机视觉领域知识为授课主体，适当涵盖相关领域当前新方法和技术的发展， 讲授既包括基础知识也努力包括当前热点的知识点，包括：人工智能概述、贝叶斯基础与分类、线性分类器与非线性分类器、人工神经网络、马尔可夫模型、 深度序列模型、深度学习中的网络优化、集成学习、无监督学习、广义弱监督学习、数据降维与模型压缩、自然语言处理基础、计算机视觉基础、 数据挖掘基础。未来课程将适当加入传统AI符号计算、AI for Science、具身视觉、人工智能安全初步等介绍。课程语言坚持以中文为主体，适当中英结合，目的是不断建设中文人工智能教学材料。AI发展实在太快，课程将持续更新和改进，并不断规范化课程中的各种材料来源。欢迎宝贵建议和批评指正！
*/ /**/
/*
*/
/**/
/*
*/
/* */
/* */
/* */
/*
*/
/*
*/
/* 课程资源
*/ /*| 章节 | */ /*ppt资源 | */ /*
|---|---|
| 第一章:*/ /* 人工智能概述 | */ /*ppt下载 | */
/*
| 第二章:*/ /* 贝叶斯基础与分类 | */ /*ppt下载 | */
/*
| 第三章:*/ /* 线性分类器与非线性分类器 | */ /*ppt下载 | */
/*
| 第四章:*/ /* 人工神经网络 | */ /*ppt下载 | */
/*
| 第五章:*/ /* HMM 马尔可夫模型Diffusion | */ /*ppt下载 | */
/*
| 第六章:*/ /* 序列模型学习之深度序列模型 | */ /*ppt下载 | */
/*
| 第七章:*/ /* 集成学习与网络优化 | */ /*ppt下载 | */
/*
| 第八章:*/ /* 无监督学习 | */ /*ppt下载 | */
/*
| 第九章:*/ /* 广义弱监督学习 | */ /*ppt下载 | */
/*
| 第十章:*/ /* 数据降维与模型压缩 | */ /*ppt下载 | */
/*
| 第十一章:*/ /* 自然语言处理基础 | */ /*ppt下载 | */
/*
| 第十二章:*/ /* 计算机视觉-图像特征提取与理解 | */ /*ppt下载 | */
/*
| 第十三章:*/ /* 计算机视觉-视频分析-特征提取 | */ /*ppt下载 | */
/*
| 第十四章:*/ /* 计算机视觉-视频理解 | */ /*ppt下载 | */
/*
| 第十五章:*/ /* 数据挖掘初步之推荐系统 | */ /*ppt下载 | */
/*
上述课件不做商业用途，教学课题组无意侵犯作者的版权，部分图片来源于先有文献和书籍，只做教学用途。
*/ /*