本课程是一门面向全校本科学生的通修课程，讲授人工智能的基本原理、核心技术与应用场景，帮助学生建立对人工智能领域的初步认知与实践能力。课程以理论与实践相结合的方式，通过深入浅出的教学内容与丰富的实验环节，让学生掌握主流机器学习方法。

• 理论课程涵盖人工智能的历史发展、核心概念及其实际应用场景。重点介绍监督学习中的经典算法（如线性回归、逻辑回归）、神经网络的基本架构与优化机制（如前向传播、反向传播、梯度消失与爆炸），以及深度学习中的前沿模型（如图神经网络和 Transformer）、自监督学习的核心思想、强化学习的基础理论、生成式人工智能的最新进展。
• 实践课程是本课程的重要组成部分。学生将通过 Python 编程实现理论课程中讲授的经典算法，完成实际应用任务，如图像分类、文本处理、AI-for-Science等项目。通过实验操作，使学生不仅掌握数据处理、模型构建与优化等技能，还深入理解人工智能技术在解决实际问题时的流程与挑战。

通过本课程的学习，学生将掌握人工智能领域的基础知识与实践技能，具备使用主流人工智能技术解决简单实际问题的能力，为未来深入学习或从事相关工作奠定基础。