广西大学人工智能专业怎么样?桂林电子科大广西大学有人工智能吗?

想报读人工智能专业,广西大学人工智能专业属于哪个学院?广西大学人工智能专业怎么样?广西大学人工智能是本科专业还是研究生专业?广西大学人工智能要什么学历?桂林电子大学人工智能专业和广西大学人工智能专业哪个好?人工智能要学习哪些课程?人工智能可以考哪些专业认证?
已邀请:

憨豆特工 - 西南交通大学

赞同来自:

广西大学人工智能专业目前没有开设,人工智能专业一般是在计算机、大数据技术、自动化、数信等交叉学科,如果开设人工智能专业(一些985高校叫智能科学与技术专业)一般在计算机学院的概率比较大一些,美国首个人工智能本科专业隶属于卡耐基梅隆大学计算机科学学院,国内985大学人工智能所在的院系(部分高校已成立独立的人工智能学院)


北京大学信息科学技术学院
清华大学计算机科学与技术系(学院)
中国科学技术大学计算机科学与技术学院
南京大学计算机科学与技术系(学院)
南开大学计算机与控制工程学院
中山大学数据科学与计算机学院
北京邮电大学计算机学院
哈尔滨工业大学计算机科学与技术学院


广西大学计算机学院目前有计算机科学与技术、电子信息工程、通信工程、电子商务、网络工程、信息安全等6大本科专业,未来估计会开设大数据技术、云计算、人工智能(智能科学与技术)、机器人工程等专业。
2018年7月,桂林电子科技大学成立数字经济学院和人工智能学院。
广西开设【人工智能专业】的本科高校有(2020年6月更新):
  • 桂林电子科技大学-人工智能专业
  • 桂林理工大学-人工智能专业
  • 广西大学行健文理学院-人工智能专业
  • 广西民族大学-人工智能专业、智能科学与技术专业
  • 北部湾大学-人工智能专业
  • 南宁学院-人工智能专业、智能科学与技术专业
  • 贺州学院-人工智能专业

广西开设【人工智能技术服务专业】的高职高校有(2020年6月更新):
  • 广西机电职业技术学院-人工智能技术服务专业
  • 广西建设职业技术学院-人工智能技术服务专业
  • 广西理工职业技术学院(民办)-人工智能技术服务专业
  • 南宁职业技术学院-人工智能技术服务专业
  • 柳州职业技术学院-人工智能技术服务专业

  • 柳州铁道职业技术学院-人工智能技术服务专业


大学专业只是让你知道某个知识是个什么概念、模式、应用场景, 靠大学里专业的课程应付工作很困难,和跨专业的人比起来,唯一的优势就是知道这是什么,需要的是在工作中或者业余时间继续努力的程度,多关注一些大型科技公司对这些知识的应用或认证,不一定是技术本身,还包括技术以外的东西。


目前人工智能职业认证在国内只看到了华为AI认证,华为HCNA-AI认证定位于人工智能的普及、深度学习的了解、基于开源TensorFlow框架进行编程之基础能力的构建和华为云EI的学习,旨在推动ICT行业人工智能人才的培养。
 
华为HCNA-AI认证知识包括但不限于:


AI概览、Python编程和实验、数学基础知识和实验、TensorFlow介绍和实验、深度学习预备知识和深度学习概览、华为云EI概览,图像识别、语音识别、人机对话的应用实验。


通过华为HCNA-AI认证:


将证明您系统理解并掌握Python编程,人工智能领域的必备数学知识,应用广泛的开源机器学习/深度学习框架TensorFlow的基础编程方法,深度学习的预备知识和深度学习概览,华为云EI概览,图像识别基础编程,语音识别基础编程,人机对话基础编程,使您具备人工智能售前技术支持、人工智能售后技术支持、人工智能产品销售、人工智能项目管理、自然语言处理工程师、图像处理工程师、语音处理工程师、机器学习算法工程师等岗位所必备的知识和技能。

向日葵 - 离你并不是很遥远

赞同来自:

什么是人工智能?但是从目前来看,专家们尚未有清晰的定义,主要的原因是其概念太宽泛。在百度百科上查询,人工智能被普遍定义为为计算机科学的一个分支:人工智能企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。
 
研究范畴包括自然语言处理、机器学习、神经网络、模式识别、智能搜索等;应用领域包括机器翻译、语言和图像理解、自动程序设计、专家系统等,涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学、不定性论以及控制论
从传统意义来说,人工智能对从业人员的素质要求很高,数学水平和编程水平是两个必须逾越的坎,目前市面上很多工作都是硕士起步。如果你真心想要在这行有大发展,良好的基础是必须的。 
------------------------------------
人工智能专业学习课程(不限于以下课程):
(1)计算机科学知识:数据结构和算法、Linux操作系统、计算机组成原理、计算机网络通信技术、云计算基础、数据库等;(大一大二大三课程)
(2)基础数学:高等数学、线性代数、概率论、运筹学、凸优化等;(大一大二课程)
(3)至少一门编程语言:Python、C++或Java等(大二、大三课程)
(4)人工智能有以下核心科目(大四或研究生课程):
人工智能AI基础
智能计算平台应用开发
机器学习与机器学习框架Sk-learn
深度学习框架Tensorflow或PyTorch或华为MindSpore深度学习与神经网络

AI人工智能一般分成以下4个方向:
1、AI方向-数据智能(大数据挖掘)
2、AI方向-计算机视觉
3、AI方向-自然语言处理
4、AI方向-自动驾驶
------------------------------------
但是,由于目前很多傻瓜化的工具出现,在大部分的业务场景下只需要一些很简单的代码就可以搞定。
 
最常见的就是python上的各种工具包,比如机器学习框架之sklearn,获取数据 -> 数据预处理 -> 训练建模 -> 模型评估 -> 预测,分类,还有就是很火的TensorFlow
 
如果你确实在理论基础方面实在有困难,多熟练掌握一些实用工具也能在市面上也能找到不错的工作。

向日葵 - 离你并不是很遥远

赞同来自:

国内以C9高校(九校联盟,即国家首批985重点建设的9所一流大学,包括北京大学、清华大学、复旦大学、上海交通大学、南京大学、浙江大学、中国科学技术大学、哈尔滨工业大学、西安交通大学共9所高校)和中科院研究所为代表,目前人工智能研究都做得比较好。
 
南京大学人工智能专业课程(★表示特别重要)包括:
  • 1、数学基础模块(必修)-数学分析、高等数学(★)、离散数学(★)、概率论与数理统计(★)、最优化方法(★);
  • 2、计算机通识课程-计算机组成原理、计算机网络基础、操作系统基础、数据结构与算法分析(★);
  • 3、人工智能学科基础模块(必修)-人工智能导论、人工智能程序设计语言Python(★)、机器学习与大数据导论(★)、模式识别与计算机视觉(★)、自然语言处理(★);
  • 4、人工智能专业核心课程(必修)-大数据建模挖掘(★)、高级机器学习与框架(★)、深度学习与神经网络(★)、机器自动化控制与系统;

实验课程参考华为HCIP/HCIE人工智能工程师认证实验指南,以下是华为AI实验指南:
  • Python安装、调试、基本语法实验
  • Python列表、条件和循环、函数、正则表达式等高级语法实验
  • Python异常处理和文件操作、程序控制实验
  • 基于Python的函数创建与商业实操文件操作
  • Python实现线性回归实验
  • Python实现逻辑回归实验
  • 线性回归分析模型构建实验
  • 线性回归分析诊断与残差分析实验
  • 企业员工综合绩效管理大数据实验
  • 预测海洋生物鲍鱼的年龄实验
  • 逻辑回归实验-构建银行信用卡反欺诈模型
  • Python武器库之Numpy实验
  • Python武器库之Pandas实验
  • 泰坦尼克幸存者大数据清洗分析实验
  • KNN大数据建模算法基础实验、高级实验
  • KNN大数据建模算法实战:改进大型约会网站配对效果
  • 贝叶斯大数据建模算法基础实验、高级实验
  • 朴素贝叶斯算法实战:垃圾邮件过滤实验
  • K-means快速聚类实验
  • DBSCAN密度聚类实验
  • 层次聚类实验
  • 关联规则:Apriori、FP-Growth、PrefixSpan实验
  • 综合实验-利用Pipline选择模型构建机器学习流,并利用网格搜索完成模型调优
  • 树模型:C4.5、C5.0和CART树实验
  • 树模型算法实例:红酒分类高级实验
  • SVM支持向量机分类和支持向量机回归实验
  • SVM算法实例:手写数字识别实验
  • Bagging类算法实验
  • Boosting类算法实验
  • 神经网络算法实验
  • 图像处理实验
  • 语音处理实验
  • 自然语言处理实验
  • 人脸识别与模式识别实验
  • 智能医疗应用实验:医学影像学数据、组学数据、电子病历数据
  • 深度学习与知识图谱在金融智能风控的应用-知识图谱、基于社交网络的反欺诈、图分析与关联特征提取、深度学习与金融风控

中国32家高校开设人工智能相关专业的情况:
开设人工智能专业的大学.jpeg

西域男孩

赞同来自:

人工智能AI基础课程知识点:
  • 第1节课程体系结构介绍和学习经验分享
  • 第2节python环境准备
  • 第3节多版本anaconda共存安装方法
  • 第4节1.python计算基础.3.numpy速览
  • 第5节1.python计算基础.4.ndarray详解
  • 第6节1.python计算基础.5.创建ndarray对象
  • 第7节1.python计算基础.6.ndarray的文件读写
  • 第8节1.python计算基础.7.数组的拆分
  • 第9节1.python计算基础.8.数组的合并操作
  • 第10节1.python计算基础.9.如何访问数组元素
  • 第11节1.python计算基础.10.用布尔下标访问数组元素
  • 第12节1.python计算基础.11.整数列表访问数组元素
  • 第13节1.python计算基础.12.ufunc和broadcast
  • 第14节1.python计算基础.13.ufunc案例实战—knn分类器
  • 第15节1.python计算基础.13.认识矩阵
  • 第16节1.python计算基础.14.矩阵的特点
  • 第17节1.python计算基础.15.numpy的线性代数库
  • 第18节2.实用线性代数.1.认识向量及其四则运算
  • 第19节2.实用线性代数.2.相似度和距离的计算
  • 第20节2.实用线性代数.3.什么是矩阵
  • 第21节2.实用线性代数.4.什么是矩阵的行列式
  • 第22节2.实用线性代数.5.矩阵的四则运算
  • 第23节2.实用线性代数.6.什么是子空间和基
  • 第24节2.实用线性代数.7.什么是线性变换以及和矩阵的关系
  • 第25节2.实用线性代数.8.什么是相似矩阵和特征分解
  • 第26节2.实用线性代数.9.方阵的正交分解
  • 第27节2.实用线性代数.10.搞定PCA
  • 第28节2.实用线性代数.11.搞定SVD分解
  • 第29节2.实用线性代数.12.Python实战PCA
  • 第30节2.实用线性代数.13.Python实战SVD分解
  • 第31节3.概率论和统计.1.概率论的基本概念
  • 第32节3.概率论和统计.2.概率论的基本概念2
  • 第33节3.概率论和统计.3.典型的分布和它们的数字特征
  • 第34节3.概率论和统计.4.随机向量
  • 第35节3.概率论和统计.5.协方差和PCA
  • 第36节3.概率论和统计.6.Python实战生成常见的随机变量
  • 第37节3.概率论和统计.7.朴素贝叶斯和垃圾邮件分类
  • 第38节3.概率论和统计.8.Python垃圾邮件分类代码详解
  • 第39节3.概率论和统计.9.统计基础
  • 第40节3.概率论和统计.10.数据的描述统计
  • 第41节3.概率论和统计.11.极大似然估计
  • 第42节3.概率论和统计.12.最大后验概率
  • 第43节3.概率论和统计.13.什么是假设检验
  • 第44节3.概率论和统计.14.假设检验怎么做
  • 第45节3.概率论和统计.15.假设检验结果怎么解读
  • 第46节3.概率论和统计.16.假设检验为什么可行
  • 第47节3.概率论和统计.17.什么是方差分析
  • 第48节3.概率论和统计.18.方差分析实战
  • 第49节4.python可视化数据分析实战.1
  • 第50节4.python可视化数据分析实战.2
  • 第51节4.python可视化数据分析实战.3
  • 第52节4.python可视化数据分析实战.4
  • 第53节4.python可视化数据分析实战.5
  • 第54节4.python可视化数据分析实战.6
  • 第55节4.python可视化数据分析实战.7
  • 第56节4.python可视化数据分析实战.8
  • 第57节5.凸优化.1.高数重点内容串讲
  • 第58节5.凸优化.2.梯度和导数
  • 第59节5.凸优化.3.导数和极值的关系以及泰勒展开
  • 第60节5.凸优化.4.梯度下降算法
  • 第61节5.凸优化.5.梯度下降算法的各种变形(牛顿法和拟牛顿法动量法)
  • 第62节5.凸优化.6.人工智能中常见损失函数的手工推导
  • 第63节5.凸优化.7.sigmoid函数及其梯度的手工推导
  • 第64节5.凸优化.8.logloss函数及其梯度的手工推导(1)
  • 第65节5.凸优化.9.spark中使用的梯度推导
  • 第66节5.凸优化.11.凸集的概念
  • 第67节5.凸优化.12.凸函数的概念
  • 第68节5.凸优化.13.保凸运算是个什么鬼
  • 第69节5.凸优化.14.正式认识凸优化问题
  • 第70节5.凸优化.15.对偶函数和对偶理论
  • 第71节5.凸优化.16.强对偶条件和kkt条件
  • 第72节5.凸优化.17.支持向量机SVM的几何解释
  • 第73节5.凸优化.18.支持向量机的标准形式
  • 第74节5.凸优化.19.支持向量机的kkt条件和最终解决
  • 第75节5.凸优化.20.支持向量机的核技巧和线性不可分问题

登录注册(发起)【信息】