本课程的主要目的是学习参与自主机器人和/或智能代理的设计和操作的理论和实验基础。介绍性讨论涵盖了机器人感知,计划和控制的子主题。其他主要主题包括机器人零件设计,感官集成,运动运动学,仿真测试(ROS/ROS2),未建模的环境/社会因素以及现场部署方面。除了标准的地面机器人系统外,我们还将涵盖水下机器人技术和空中机器人技术的类似主题和设计选择。本课程的所有材料和家庭作业都是根据现代机器人技术广泛接受的实践开发的。本课程的预期副作用是增强您的专业知识:
1. 了解人工智能的法律和伦理含义,以及它们如何影响社会、组织和个人。 2. 分析人工智能应用和技术对政府、行业和公众等各利益相关者的潜在影响。 3. 批判性地理解人工智能的潜在风险和好处,以及如何在最大化好处的同时降低风险。 4. 了解法律、法规和道德在塑造人工智能发展和使用方面的作用。 5. 了解如何将道德原则和框架应用于人工智能相关的决策。 6. 了解人工智能运行的社会、文化和政治背景,以及这些背景如何影响人工智能的发展和部署。 7. 了解公共政策在规范和塑造人工智能发展和使用方面的作用。 8. 了解研究伦理在人工智能中的作用以及人工智能研究人员的道德责任。 9. 了解不同观点和声音在塑造人工智能发展和使用方面的作用,包括代表性不足的群体和边缘化社区的观点。 10.了解人工智能在促进或阻碍社会公正和平等方面的作用。
成功完成本课程后,学生将能够:• SLO1:学生将能够使用服务器实现预处理和清理大数据• SLO2:学生将能够实现最先进的机器学习和深度学习模型• SLO3:学生将能够根据上下文解释模型结果• SLO4:学生将能够理解预处理、维度的高级方法
3. Manning, Christopher D. “人类语言理解与推理。” Daedalus (2022) 151, no. 2: 127-138。4. Srivastava, Aarohi, Abhinav Rastogi, Abhishek Rao, Abu Awal Md Shoeb, Abubakar Abid, Adam Fisch, Adam R. Brown 等人。“超越模仿游戏:量化和推断语言模型的能力。” arXiv preprint arXiv:2206.04615 (2022)。5. Devlin, Jacob, Ming-Wei Chang, Kenton Lee 和 Kristina Toutanova。“ Bert:用于语言理解的深度双向转换器的预训练。” arXiv preprint arXiv:1810.04805 (2018)。 6. Radford, Alec、Karthik Narasimhan、Tim Salimans 和 Ilya Sutskever。“通过生成式预训练提高语言理解能力。”(2018 年)。7. Chen, Mark、Alec Radford、Rewon Child、Jeffrey Wu、Heewoo Jun、David Luan 和 Ilya Sutskever。“从像素生成预训练。”国际机器学习会议,第 1691-1703 页。PMLR,2020 年。
将别人的作品转向其他人•在不给予信贷的情况下复制单词或想法未能在报价标记中添加报价给出有关报价来源的不正确信息更改单词而不得复制源句的句子而不给出信用给予信用不给您的源头复制如此多的单词或概念,无论您是构成您的工作,无论您是构成您的工作,无论您是在您的工作中,无论您是不属于您的工作窃是非常严重的罪行,将受到大学纪律委员会的相应惩罚。 避免意外窃的最佳方法是在寻求其他资源的帮助之前独自工作。 vii。 作弊作弊的描述非常广泛,可以总结为“不诚实的表演”。 一些可以认为是作弊的事情如下:将别人的作品转向其他人•在不给予信贷的情况下复制单词或想法未能在报价标记中添加报价给出有关报价来源的不正确信息更改单词而不得复制源句的句子而不给出信用给予信用不给您的源头复制如此多的单词或概念,无论您是构成您的工作,无论您是构成您的工作,无论您是在您的工作中,无论您是不属于您的工作窃是非常严重的罪行,将受到大学纪律委员会的相应惩罚。避免意外窃的最佳方法是在寻求其他资源的帮助之前独自工作。vii。作弊作弊的描述非常广泛,可以总结为“不诚实的表演”。一些可以认为是作弊的事情如下:
VII. 学生责任 学生有责任了解并遵守与参加本课程相关的所有大学学术规定。这些规定具体包括出勤要求和学生学术行为准则。 学术诚信 大学希望学生以最高的学术诚信对待学术活动。请参阅本科生学术规定。 添加和删除 希望删除或添加课程的学生应查看本科生学术规定。 出勤 苏丹卡布斯大学对学生出勤有明确的要求,详见本科生学术规定。 评估和评分
详细课程大纲 第一单元:变换微积分拉普拉斯变换:拉普拉斯变换、性质、逆、卷积、用拉普拉斯变换求某些特殊积分、初值问题的解。傅里叶级数:周期函数、函数的傅里叶级数表示、半程级数、正弦和余弦级数、傅里叶积分公式、帕塞瓦尔恒等式。傅里叶变换:傅里叶变换、傅里叶正弦和余弦变换。线性、缩放、频移和时移性质。傅里叶变换的自互易性、卷积定理。应用于边界值问题。第二单元:数值方法近似和舍入误差、截断误差和泰勒级数。插值 - 牛顿前向、后向、拉格朗日除差。数值积分 - 梯形、辛普森 1/3。通过二分法、迭代法、牛顿-拉夫森法、雷古拉-法尔西法确定多项式和超越方程的根。通过高斯消元法和高斯-西德尔迭代法求解线性联立线性代数方程。曲线拟合-线性和非线性回归分析。通过欧拉法、修正欧拉法、龙格-库塔法和预测-校正法求解初值问题。
第一单元:研究方法简介:研究的定义、研究人员的素质、研究问题的组成部分、科学研究中的各个步骤:假设、研究目的、研究设计、文献检索实验设计和规划、时间安排:目的和目标、预期结果、要采用的方法、为实现目的和目标而进行的实验规划、研究工作可重复性的重要性。数据收集:数据来源:原始数据、次要数据;实验的抽样优点和缺点、程序和控制观察、抽样误差 - I 型错误 - II 型错误。数据统计分析和拟合:统计学简介 - 概率、均值估计和属性;卡方检验、属性关联 -t 检验 - 标准差 - 变异系数。相关和回归分析。统计软件包介绍,绘制图表使用计算机进行研究:使用网络进行文献调查,处理搜索引擎准备演示文稿:i)研究论文:使用文字处理软件 MS
描述 认知科学的目标(也是本课程的目标)是了解思维的工作原理。试图了解我们自己的思维可能是整个科学领域中最雄心勃勃、最令人兴奋(也是最困难)的项目,这个项目需要从实验心理学、计算机科学和人工智能、语言学、视觉科学、哲学、人类学、行为经济学和几种神经科学(等等)等领域汲取的工具。本课程将向您介绍这些领域与思维研究相关的主要工具和理论。我们将在探索心理过程的本质(如感知、推理、记忆、注意力、想象、语言、智力、决策和意识)时运用这些观点。总之,本课程将向您介绍认知科学、它所依据的假设以及迄今为止获得的许多最重要和最令人着迷的结果。
1. 生产力是自我提升的。经营家庭并不像土拨鼠日那样。你必须改变和改进你正在做的事情。2. 规划需要时间。每个三个月专注于一两个习惯。这将使你的习惯产生可持续的变化,这些习惯将坚持下去!3. 你钦佩谁表现出了你想要培养的习惯?观察他们做什么来帮助你确定你想要的改变或习惯。4. 你有很多角色和责任。你这个三个月想要关注的主要角色是什么?5. 设置你的 Sunday Basket ® 并完成你的 Productive Home Solution™ 中的任务将不断为你腾出更多时间。你越有条理,你就越有时间去做你独特的事情。相信这个过程。坚持下去。6. 完成组织任务将帮助你解锁未来的时间。