人工智能与机器学习:基础与实践
- 级别
- L2 中级
- 学习时长
- 约 24 小时(规划估算)
- 状态
- 编写中
- 先修要求
- 该领域的一门 L1 课程,或入门审核
Changes compliance timelines and planning assumptions for organisations deploying high-risk AI systems in the EU.
学习成果
- Define model evaluation and the other key terms of the discipline and use them correctly in a written case
- Explain machine learning for risk professionals and foundation models and generative AI with a worked example and its source
- 将该学科的方法应用于一个有据可查的案例,并结合来源解释每项结果
- 对照数据和训练管线分析一个具名案例,并说明证据、日期和局限
模块
-
面向风险专业人员的机器学习
- 面向风险专业人员的机器学习
- Foundation models and generative AI
- Data and training pipelines
-
人工智能失效模式与稳健性
- 人工智能失效模式与稳健性
- 智能体系统
- 人工智能安全
-
公共服务中的人工智能
- 公共服务中的人工智能
- 科学中的 AI
- Labour and social effects of AI
-
实验室:该学科的方法
- 基准分数是在固定题项集上的样本估计值:题项数量决定其抽样区间,训练数据对题项的污染会使其虚高,只有经校正的下界才可与部署所要求的阈值比较。
- 通过一个有据可查的案例运用该方法,并解释每项结果
- 阅读该方法的来源与所述数值
配有 Academy 工具的 Labs
方法
- 从基准分数到部署决定:通过率能说明什么,不能说明什么学科页面上的学科方法及其引用来源,并通过一个有据可查的案例加以演示
工具
孪生构建器
- 数字孪生构建器以 3D 构建学院所在地点,切换图层并查看各图层的署名与日期
地图图层
- 建成区与聚落范围,2010 年(HBASE,Landsat)Academy 许可登记册准入的开放地图图层,在地图工具中读取
- 今夜夜间灯光,停电情况(VIIRS 昼夜波段)Academy 许可登记册准入的开放地图图层,在地图工具中读取
- 人口密度,2020 年(GPW v4.11)Academy 许可登记册准入的开放地图图层,在地图工具中读取
Foundry 工作室
- Capabilities room, NXS-NXQAdmission, versioning and deprecation of models and tools
- 基准专区,NXS-LAB在既定测试条件下对方法和模型进行比较
Nexus Standards
讲授内容
评估
- 40%
实验记录
通过一个有据可查的案例运用该学科的方法,并结合来源和日期解释每项结果
- 40%
案例备忘录
将该学科的方法应用于一个具名地点或组织,并说明证据与局限
- 20%
关键术语测验
就关键术语作简短回答,对照定义评分
授课方式
- 在线自定进度学习,实验室在浏览器中运行
- 为期六至八周的同期群学习,每周进行实验室评审
- 与合作机构共同开设,纳入其自身课程
合作开设本课程
- 合作讲授一个模块,并带来您工作中的当前案例
- 为您的学员开设同期群,采用您自己的日程与评审
- 贡献一个实验室:贵机构公开发布的数据集或模型
- 在课程开放前审阅课程内容及其参考文献
- 翻译本课程,并将其案例改编以适应您所在的区域
在 Academy LMS 中
- Course on the learning platform
- Intermediate, 4 sections
- 学员群组
- A community group for each cohort of learners
- 成就
- Recorded on completion of the assessed work
参考文献 4
- Council of the European Union, Artificial intelligence: Council and Parliament agree to simplify and streamline rules,
- Hendrycks 等,Measuring Massive Multitask Language Understanding, 2021
- Mitchell 等,Model Cards for Model Reporting, 2019
- Bommasani et al.,On the Opportunities and Risks of Foundation Models, 2021