人工智能与机器学习：理论与实践 Lady Margaret Hall, University of Oxford

本课程旨在以动手实践的方式向学生介绍机器学习 (ML) 和人工智能 (AI) 的基本概念。该课程以独立的方式运作，只需要微积分和线性代数的基本知识。机器学习和人工智能的先验知识不是必需的。

本课程将从快速介绍 Python 以及机器学习和人工智能基本概念的理论基础开始。学生将从一个简单的线性回归示例开始，他们将推导和实现曲线拟合问题的梯度下降，并尝试理解损失函数、正则化技术和偏差方差权衡的概念。然后将向学生介绍随机梯度下降，并将使用 TensorFlow 和 PyTorch 实施随机梯度下降以进行回归。

学生将为 MNIST 分类设计简单的神经网络，并为神经网络的训练实施完整的前向和反向传递。随后将向学生介绍卷积神经网络，并将使用 CNN 实施 MNIST 分类。学生将了解 PyTorch 和 TensorFlow 在训练过程中如何处理前向和后向传递。在课程的最后一部分，语义分割、边缘检测和度量学习等大规模问题将在 AWS/谷歌云上实现。

作为课程的练习，学生将尝试解决来自不同领域的机器学习和人工智能的小规模实际问题。

在以下日期以住宿或在线课程的形式提供：

2023年6月26日至2023年7月15日

2023年8月7日至2023年8月25日