人工智能 BSc (Hons)

Anglia Ruskin University - 安格利亚鲁斯金大学

发展与理解人工智能（AI）的一些核心原则有关的基本技能，以及它们在现实世界的关键应用。你将涵盖人工智能的基础、它的历史发展、主要应用以及它如何成为当今最重要的技术之一。探索人工智能的历史，其基本概念，如监督/非监督学习，神经网络，模糊逻辑，以及大规模数据收集和快速计算在建立人工智能作为越来越多的行业发展和自动化的关键工具中所发挥的作用。你还将学习人工神经网络（ANN）和模糊逻辑（FL）的关键概念，作为人工智能（AI）的核心要素。这些技能受到雇主的追捧，因为它们是广泛的现代工业发展的基础，预计将快速增长。

本模块对于需要扎实的数学技术和分析背景以攻读人工智能学位课程的学生来说是必不可少的。它将帮助你评估你现有的数字和分析技能，使你能够将这些扩展为核心数学技能、知识和技术，以解决模式分析和机器智能领域的科学和工程问题。人工智能（AI）旨在发现、分析和分类数据集中的模式，其方式适合于优化自动化甚至自主操作。它是一个使用技术来处理数据的各种数字特征、这些特征的相对变化以及可能决定模式的数据的变化的领域。本模块将提供一个线性代数的介绍，重点是向量、矩阵和线性系统的实际使用，作为多维数据和进程的代表。

本模块提供了一个高级编程的介绍，不要求有任何编程经验。你将使用行业标准的工具和技术，使用当前的编程语言如C#、Java或C++来设计、实现、测试和记录简单的程序。你将了解高级程序的主要组成部分，为后续需要结构化编程能力的模块打下基础。它强调了良好的编程实践原则，并介绍了开发稳健、可用和高效的软件所需的技术。在本模块结束时，你将充分掌握高级编程语言，使他们能够设计、实施和测试简单的程序。该模块所教授的技能可直接转移到工作场所，并为在以后的学习和未来的职业生涯中应用编程技能提供合适的基础。

在这里，你将学习从规范中生成计算机模型、模拟或解决方案的原则，向你介绍使用计算机工具来解决工程问题。你将开始使用MATLAB软件，它允许你使用各种命令函数和简单的软件语句来实现数学表达和算法，以及学习Python语言的基础知识。学习基本问题，如变量、字符串、图元、外观、控制流、绘图、文件输入/输出、NumPy（Numerical Python）的基本功能，用Matplotlib创建数据可视化，还向你介绍用于数据分析的Pandas库。利用你在本模块中学习的所有领域的知识，你将通过解决不同场景中的问题来应用它。

随着计算机在各行各业的使用，公司必须拥有能够指定、安装、配置和维护公司IT资源和网络的IT人员。本模块确保你将拥有公司在IT专家中寻找的实用技能。我们将研究现代计算机系统的组件和操作，并向你介绍使计算机能够处理数据的硬件组件以及使数据能够被输入、输出和存储的设备。我们还将向你介绍计算机网络的基本原理，因为现代计算机系统很少以独立的方式运行。

在人工智能数学方法介绍中获得的数学方法的基础上，你将获得进一步的数学知识和技术来研究模式分析和机器智能。机器学习学科的很大一部分涉及分析大量的数据，以发现和标注数据点之间的相似性。这些结论是基于概率模型和可靠性的统计措施而得出的。你将发展概率的基本理论，涵盖离散和连续随机变量以及条件和独立等问题，贝叶斯推理和应用。它将使你掌握知识和技能，使你能够为预测设计简单的概率模型，对数据进行基本的统计分析，并评估和解释这些数据。你还将通过研究对称或任意矩阵的分解、稀疏计算和机器学习的应用来扩展你的线性代数知识。

深入了解人工神经网络（ANN）的核心原理和应用。你将探索神经网络松散建立的生物基础，评估生物和人工神经网络之间的关键差异，并研究神经网络的历史发展。您将评估ANN方法与其他人工智能方法相比的优势和劣势，研究ANN适合的问题类型，如模式识别、分类、医疗诊断、金融/经济数据分析和预测，以及游戏。你将在实践中构建ANN，以解决使用传统计算方法难以解决的计算问题，使用合适的高级语言和标准库中的ANN函数，如使用Python的TensorFlow、Caffe、Theano和Keras或使用MATLAB的神经网络工具箱.

数字安全知识是任何网络安全角色所需的核心技能，并为中级网络安全工作提供跳板。你的学习将包括现实世界的网络安全最佳实践，以确保你有实际的安全问题解决技能，并学习如何处理安全事件，而不仅仅是识别它们。你还将获得安装和配置系统所需的知识和技能，以确保应用程序、网络和设备的安全；进行威胁分析并以适当的缓解技术作出回应；参与风险缓解活动；并在操作中了解适用的政策、法律和法规；总之，你需要在网络安全领域就业的所有基本技能。

你将被引导学习数据库设计的基本原理。这一基础将使你能够构建小规模的工业质量数据库。你将在小组中工作，模拟现实世界的开发团队。作为其中的一部分，你将学习构建文档、进行修改和在截止日期前交付工作的技能。隐含的是，你将学习管理小组环境的技能。本模块开始于对工业客户及其问题的可接受方法的发展。在给定的规格范围内工作，你将学习如何从访谈和文书工作中提取数据。然后，你可以进展到设计和建立一个数据库，查询数据库以提供客户需要的报告（包括统计数据）。在这个过程中，要学习当前工业选择的数据库语言（SQL）。评估包括数据库的设计、制作和查询，以及在课程结束时提交的课程作业组合。

机器学习是人工智能的一种形式，它允许系统从数据中学习，而不是通过明确的编程，这使得它成为正在寻找创新方法来使用数据的开发组织中最重要的话题之一。在这里，你将学习到最有效的机器学习技术，获得实施这些技术的实践，并使其发挥作用。你不仅将学习学习的理论基础，而且还将获得快速和有力地将这些技术应用于新问题所需的实际知识。在本模块结束时，你将掌握监督学习算法的实际知识，关键概念如欠拟合和过度拟合、正则化和交叉验证，以及如何确定要解决的问题的类型，选择正确的算法，调整参数，并验证模型.

数据结构和算法在ACM/IEEE计算课程联合工作组中被描述为 "计算机科学和软件工程的基础"，它还指出 "算法在计算机科学的所有高级领域都是必不可少的：人工智能、数据库、分布式计算、图形、网络、操作系统、编程、安全，等等。在本模块中，你将研究所有非简单软件中使用的核心数据结构和算法，使你能够在构建计算解决方案时做出合理的决定，这些解决方案在时间（速度）和空间（内存）方面有特定的限制.

罗斯金模块的设计是为了让我们的学生为复杂、具有挑战性和不断变化的未来做好准备。这些跨学科模块提供了进一步拓宽你的视野、发展你的智力灵活性和创造力的机会。你将与来自不同学科的其他人一起工作，使你能够批判性地反思单一学科在解决更广泛的社会问题方面的局限性。你将得到支持，建立跨学科的有意义的联系，应用新的知识来解决复杂的问题和关键挑战。罗斯金课程旨在增强你的信心，寻求并最大限度地发挥你的潜力，使你具有独特的优势，提高你在工作场所的成功率。

计算机应用的数量、规模和应用领域都在增长，大多数人都依赖于软件开发的有效性。软件产品必须高效、质量好，并帮助我们提高工作效率和生产力。软件工程是一种工程形式，它应用计算机科学和数学的原理来实现软件问题的成本效益解决方案。获得软件工程的实际经验，并获得能够设计、实施和测试软件系统的智力工具。在《设计基础》和《编程入门》的基础上，通过案例研究和在此基础上建立真实的软件应用程序，走过生命周期的所有阶段。你将使用CASE工具来研究课题，包括UML中的分析和设计以及管理OO软件开发过程。最后，你将在一个特定的项目中进行团队合作，从案例研究中创建一个应用程序，展示整个软件生命周期。

了解与人类活动的广泛领域的计算机化有关的问题、机会和难题，以及计算机技术的技术发展和社会影响。你将专注于计算机科学专家和其他人的高级计算机反思思维，以及在IT和计算机领域的专业价值和方法的发展技能。你将涵盖计算机法的相关和当前主题（如数据保护；知识产权法；计算机滥用）和其他社会、道德和法律主题，如考虑系统故障的原因和影响（包括但不限于计算机系统故障）。你还将研究其他方面，如毕业生的道德和职业责任--特别是那些来自IT和计算机学科的毕业生。

云计算可以被视为一种模式，使人们能够在任何地方、任何时间按需网络访问共享的可配置资源池，包括网络、存储、处理器、服务器、应用程序和服务，这些资源可以实时和自动地快速配置。你将学习的主题包括虚拟化、数据中心、云资源管理、云存储和流行的云应用，包括批处理和数据流处理.

在人工智能领域，"专家系统 "是一个模仿人类专家决策能力的计算机系统。在这里，你将被介绍给专家系统的经典软件架构，它最初是在20世纪80年代开发的，由一个知识库和一个推理引擎组成。你将探索基于规则的系统的理论基础，包括一些命题和谓词逻辑的基本原则。所有这些的核心是了解新的知识是如何从条件事实中获得的，并探讨对 "简单 "的基于规则的方法的调整，包括模糊化和去模糊化的原则，以及这如何产生更准确和定制的输出。遗传算法在专家系统中的使用遵循最近的趋势，结合不同的机器学习方法来优化解决方案。你将学习遗传算法的原理，包括基因、染色体和繁殖的生物学如何在计算背景下表示，通过二进制表达的问题表示。在整个模块中，你将使用你对高级编程语言如C#、Java、C++或Python的良好工作知识，你将编辑和配置基于规则的系统的小规模源代码例子，在高级通用计算机语言中使用，也将被介绍给专业逻辑计算机编程语言如Prolog或Lisp.

分布式编程是利用内联网或互联网的分布式功能开发软件应用程序。这些应用对银行业、商业组织和政府机构至关重要，因为它们涉及支撑云计算和在线多玩家游戏环境的基本技术。该模块包括低级分布式编程的关键原则，以管理计算机之间的数据通信。实施的语言将是一个支持Socket编程的库，如Java、C#或C++。学生将学习如何开发应用程序，将大型计算操作分给或 "农场 "给较小的互连节点，从而实现一种虚拟并行处理。各种实际练习将说明这些编程技术和内联网环境中的组件。将涵盖一些更常见的应用和通信网络协议的编程语言支持实例。线程和多线程被介绍为一种管理并发和进程间数据集合的技术。评估包括需要设计和开发一个多线程的客户-服务器应用程序的课程作业。

使用目前的行业标准工具和技术，并结合实际工作和课程学习图像处理的理论/数学基础，将这一理论应用于现代现实世界的场景。最近的案例研究包括检测人脸的安全应用，自动分析生物标本的系统，基于手势的下一代界面，以及自动制造的机器视觉系统。随着计算能力的增长，图像处理变得越来越重要，并被用于非常多样化的计算问题，从自动驾驶汽车、工厂自动化和机器人、智能医疗诊断、机场安全、军事、天体物理学、生物识别系统（如面部、指纹和虹膜识别）、环境监测。人机界面（如手势识别和唇读系统）、体育（如足球中的门线技术和智能摄像机控制）、条形码和二维码设备、法律（从加强和解释刑事法医证据到通过水印维护版权法），以及任何需要图像处理和增强的应用，如Facebook Messenger、Snapchat、Instagram和许多其他应用。.

目前，超过200亿的微处理器和微控制器正在为令人难以置信的广泛的设备提供智能功能、智能能力、个性化界面、优化的通信。从汽车到医疗，从科学和工业到社会科学和金融，嵌入式计算是几乎所有现代数字系统的核心。在这个模块中，你将逐步深入了解和理解嵌入式计算，分析它与现代数字系统设计的关系，以及它在不同领域和学科的应用。

数字信号处理提供了从噪声数据中提取有意义信息的方法和工具，或分析和寻找信号中的模式。理解数字信号处理的根本是对支撑该学科的数学原理有良好的工作知识，以及对可用于实现数字信号处理技术的算法有良好的理解，其中包括数字滤波和光谱分析方法。

你将从事一项实质性的个人研究和/或产品开发工作，专注于与你特定学科相关的主题。该课题可以从各种渠道获得，包括。安格利亚鲁斯金研究小组、以前/现在的工作经验、你目前所在的公司、安格利亚鲁斯金讲师建议的课题或他们具体感兴趣的专业课题（如果有合适的监督）.

利用理论讨论、实验课和远程访问班级服务器的混合方式，本模块将涵盖你所需要的必要技能，以了解和评估，并在各种深度学习应用中适当地建立和训练模型，以达到最佳效果。你将详细了解深度学习的核心原理和应用，以及回顾神经网络原理，在此基础上深度学习前馈神经网络的基本架构以及激活函数和权重。你将会被介绍到基本的神经网络架构，如前馈网络、玻尔兹曼机、卷积神经网络（CNN）和循环神经网络（RNN）。你将涵盖神经网络在单次前向传递中给定输入时如何计算输出的概念，如何使用这个网络来训练一个模型，并学习如何计算损失和使用一种叫做反向传播的技术来调整权重。还将探讨不同类型的激活函数，以及用于提高训练速度、准确性和防止过度拟合（正则化）的技术。你还将涵盖如何构建CNN的方法，以及深度学习的技术、术语、数学和如何适当地构建和训练神经网络模型。