中级
提供者 : Briana Brownell
5 课时 · 16m
语言：阿拉伯语, 德语, 英语, 西班牙语, 法语, 葡萄牙语, 简体中文
课程描述
在这些关于AI和机器学习的独特挑战的课程中，您将探索机器学习的类型，包括使用标记数据进行预测的监督学习；无监督的，在没有结果变量的情况下理解数据结构的一系列技术；强化学习是使用基于目标的学习方法最古老的机器学习方式之一。您还将了解围绕神经网络和生成AI的伦理考虑。
机器学习是当今构建的许多人工智能系统的基础。人工神经网络是最成功的机器学习方法之一。他们解决了该领域许多最棘手的问题，包括那些几十年来未解决的问题。但是使用神经网络也给人工智能带来了一些新的挑战，包括如何测试边缘情况和输出的稳健性。测试系统的复杂性可能使它们特别难以分析。我们将回顾神经网络在伦理方面的具体考虑。
生成式AI是与AI伦理和责任相关的新兴领域。
我们将讨论洛夫莱斯测试，该测试旨在测试计算机是否可以生成令人惊讶和原创的东西。
您将学到的内容
- 区分机器学习的主要类型：监督学习、无监督学习和强化学习
- 识别人工神经网络所带来的独特伦理挑战
- 解释生成式 AI 相关的伦理挑战
- 探究神经网络为何使边缘案例测试和输出鲁棒性测试变得困难
- 描述洛夫莱斯测试，了解其用于判断计算机是否能生成令人惊喜且具有原创性内容的方法
关键要点
- 监督学习使用标注数据进行预测，无监督学习使用技术在没有结果变量的情况下理解数据结构，强化学习是一种以目标为导向的学习方法。
- 人工神经网络是最成功的机器学习方法之一，已解决了数十年来悬而未决的难题。
- 神经网络为 AI 带来了新的挑战，包括如何测试边缘案例及输出鲁棒性，其测试系统尤其难以分析。
- 生成式 AI 是与 AI 伦理和问责相关的较新兴领域。
- 洛夫莱斯测试旨在评估计算机是否能够生成令人惊喜且具有原创性的内容。
常见问题
本课程涵盖哪些内容？
课程涵盖机器学习的类型（监督学习、无监督学习和强化学习）、人工神经网络的伦理考量，以及生成式 AI 的伦理挑战，并对洛夫莱斯测试进行了探讨。
主要学习目标是什么？
区分机器学习的主要类型，识别人工神经网络的独特挑战，以及解释生成式 AI 的伦理挑战。
课程包含哪些课时？
课程包含以下课时：监督学习、无监督学习、强化学习、神经网络和生成式 AI。
我将培养哪些技能？
您将培养人工智能、自动化机器学习、机器学习、机器学习方法、监督学习和无监督学习方面的技能。
为何本课程对神经网络给予特别的伦理关注？
因为神经网络虽是最成功的机器学习方法之一，但也带来了新的挑战，例如边缘案例测试和输出鲁棒性测试，其复杂性可能使测试系统尤其难以分析。
