XiaoMi-AI文件搜索系统
World File Search SystemBrightspace
人工智能：哲学与伦理问题
课程组成部分 期末成绩百分比 阅读作业（Perusall） 20% 课堂参与练习 15% 写作作业 #1 20% 写作作业 #2 20% 小组项目 25% 阅读作业 除第一节和最后一节课外，每节课都会布置阅读材料。所有阅读材料均为必读，课程大纲上标记为“选读”的除外。虽然这些阅读材料是选读，但我们强烈建议您阅读，因为它们有助于补充背景知识并扩展我们将在课堂上讨论的材料。 为了完成阅读，我们将使用 Perusall，这是一个协作式电子阅读平台，您可以在课间以小组形式一起阅读。您在 Perusall 上完成的阅读作业将占您期末成绩的 20%。作业必须在课前一天（周日）午夜前提交。不接受迟交的作业。 Perusall 上的阅读作业将计入第 2 周至第 12 周的期末成绩。有关如何注册和使用 Perusall 的说明，请参阅 Brightspace 上第 1 周下发布的 Perusall 指南。课堂参与练习这些练习将从第 2 周开始在课堂上进行。它们旨在为您提供一个与同学互动的课堂空间，并有机会进一步处理和反思我们将一起讨论的问题。这些练习没有补课。如果您因生病或紧急情况无法在某一天上课，您可以免于参加 - 如果是这种情况，请及时告诉我。写作作业详情待定。我们将在临近截止日期时在课堂上讨论说明和评分标准。我们还将讨论如何使用 ChatGPT 等 AI 工具以及这些作业允许的内容。
观点 “学术界”：高等教育中的人工智能和监控
• Proctorio（自动在线监考软件）使用生物特征数据通过学生的网络摄像头监控面部动作并根据“正常”行为进行分析，从而“检测”考试中的抄袭行为（Proctorio nd），• Turnitin（抄袭检测软件）使用大量互联网、学术和学生论文内容数据库来检查学生作品与其他来源的相似性，识别与学术诚信和抄袭相关的问题（West-Smith 2022），• Perusall（社交阅读工具）使用学生的阅读模式和评论来评估学生的进度，创建“学生困惑”和“学生活动报告”，并自动对学生的理解和进步进行评分（Perusall 2023），• 许多其他工具，如聊天机器人、预测性咨询警报和学习管理软件（Dekker et al. 2020; Bannan 2019; Brightspace Community nd）都依赖于类似的方法。虽然并非所有学习或数据分析软件都包含人工智能，但作为未来的发展，人工智能始终是可能的——任何大量的用户数据对于人工智能技术来说都是有利可图的。这些工具提供了 Zuboff (2020: 9) 所描述的监视资本主义的典型例子，即使用“人类经验作为转化为行为数据的免费原材料”，为机器学习算法提供信息，以创建既能预测又能塑造用户行为的产品。监视资本主义牺牲了自由意志和隐私以牟取利润，同时也加剧了社会不平等和歧视。许多学者已经证明，种族主义、性别歧视和其他偏见是机器学习架构的固有内容，当它们在整个社会中使用和采用时，会对用户造成极大伤害（Andrejevic 2013；Christian 2020；Benjamin 2019；Noble 2018；O'Neil 2017）。这些算法的专有性质加剧了这种情况，这意味着用户通常无法理解用于伤害他们的工具，更不用说有效地反驳分析了。
envst-ua 440教学大纲S25
描述：食物，动物和环境的目的是批判性地分析动物在我们的食品系统和环境中的位置，重点是它们之间的交集。本课程探讨了农业对人类，非人类和环境的一些主要影响，以及这些影响引起的一些主要问题对粮食生产，消费和行动主义的伦理学提出了。农业对这个星球产生持久影响。某些形式的农业特别有害。例如，工业动物农业每年杀死100亿只动物；消耗大量的土地，水和能源；并产生大量的废物，温室气体排放和其他污染。其他形式的农业，例如本地，有机和植物性食品，有很多好处，但它们也有成本，尤其是在大规模上。这些影响引发了困难的道德问题。我们如何在现代，高度人口，高科技，气候变化的世界中进行经验，评估 - 食物，动物和环境最好地说明？该研讨会旨在通过提出重要问题，包括：我们欠动物，植物，物种和生态系统的内容，以反映环境研究和动物研究领域之间的丰富重叠？在人类活动重塑的世界中，天然食品的含义和价值是什么？我们如何参与具有环境，社会和动物影响的食物实践的道德规范？本书的所有收益将用于支持与食物，动物和环境有关的教育计划。阅读和作业时间表：课程文本，食物，动物和环境：一种道德方法，Schlottmann和Sebo，可在此课程编号下的NYU书店和NYU图书馆提供。食物，动物和环境的章节以下面的粗体标记。补充读数可在Brightspace上找到。读数可能会发生变化。课程提纲的任何更改都将在课堂，Brightspace和更新的课程提纲中宣布。附表1/27-简介。2/3-事实，价值观和自然，“爱鱼的科学家”播客。2/10-道德地位，华莱士“考虑龙虾”，Jacquet，Franks等人，“章鱼种植”，“人类与人类（壮举。syl ko）”播客。阅读分配的注释和案例研究。介绍。2/18（星期二） - 道德理论，Nussbaum“能力方法”。开始，停止，保留。2/24-农业与环境。squiz 1 in Class。3/3-工业农业，卡森，寂静的春季8，浆果“关于生物技术的十二段”，哈伯的Radiolab。考试1分布式；中午3/7星期五。3/10-工业农业（本地，有机）的替代品，贝里，“家庭农场”，麦克威廉姆斯，只有食物1-2。3/17-工业农业的替代品（Alt。动物AG。），McWilliams，“杂食的矛盾”，“土壤：肮脏的气候解决方案”播客，“放牧和困惑？” （略读起点和结束）。分配的协作项目。squiz 2 in Class。3/24-没有类（春假）。3/31-食品生产与消费的伦理，M4F播客（可选）。4/7-粮食生产与消费的道德规范，雅克/保利，“海鲜管理”，“个性化”。考试2分布式；中午4/11星期五。4/14-法律和非法粮食行动主义的伦理。4/21-法律和非法食品行动主义的伦理，“做正确的事”播客（Alt。链接）4/28-应得的协作项目演示和论文。5/5-结论，Foley，“我们可以养活世界并拯救地球吗？” Foley等人，“栽培星球的解决方案”，“绿色药丸”播客，“在促进“自然农业”中使用史诗般的叙事。方法：在本课程中，我们将通过伦理镜头分析应用的跨学科主题所有内容均应批判性地接近。在这些文本中出现了许多经验的主张。如果发现差异，请将它们带入课堂对话并独立研究以了解索赔的性质。中心分析问题是：
金融科技秋季的基础2024
kmec 2-80教授：yannis bakos：bakos@stern.nyu.edu david david yermack：dy1@stern.nyu.edu教学研究员：Harsh pooniiwala hp2664@stern.nyu.nyu.nyu.edu.指的是涉及基于技术的业务模式的金融部门创新，这些创新可以促进促进分解，彻底改变现有公司如何创造和交付产品和服务，解决隐私，监管和执法挑战，为企业家提供新的门户，以及用于包容性增长的种子机会。金融科技也是越来越多的技术方法来实现主要金融中介功能的标签：付款，筹集资本，汇款，管理不确定性和风险，市场价格发现以及调解信息不对称和激励措施。在当今的金融科技业务中，消费者通过移动应用程序集成到社交媒体中，以电子方式贸易和机器人顾问对投资组合做出决定。本课程提供了新兴金融科技学科的介绍。这是对可能在金融科技区上额外选修课的严厉学生的起点，同时还为打算只参加一门金融科技课程的学生提供了该领域的概述。出勤率和参与：该课程的出勤是必须的。可以参与，并且是您成绩的重要组成部分。参与不仅仅是出勤率。所有工作都可以在Brightspace上获得，并且所有类都记录在案。参与意味着参加课堂准备，并通过课堂讨论做出贡献，以促进课堂知识的发展（不仅有正确的答案，还可以在这里学习！）。COVID政策：根据NYU政策，如果您感觉不舒服或接触到Covid等，请不要上课。 感谢您作为严厉政策的耐心配合，并感谢您确保我们所有人的安全。COVID政策：根据NYU政策，如果您感觉不舒服或接触到Covid等，请不要上课。感谢您作为严厉政策的耐心配合，并感谢您确保我们所有人的安全。
512教学大纲 - 普渡大学工程学院
MSE 568材料添加剂制造材料弹性2024讲座：TTH 10：30-11：45 WANG 2599讲师：Kevin Trumble教授，武器2333，765-494-4114，driscol@purdue.edu.edu助攻：网站：Brightspace办公时间：通过电话，Webex（https：//purdue.webex.com/meet/driscol）或付费；由电子邮件首选安排。学期开始后，将设置正常的办公时间。TA（S）也将定期使用。目的：将通用材料处理方法应用于所有主要类型材料类别的添加剂制造。描述：该课程将采用MSE方法进行添加剂制造（AM），遵循材料工程学院教授的通用材料处理课程系列的结构（MSE 512粉末处理，MSE 536 MSE 536固体处理和MSE 548沉积处理）；但是这些课程不是先决条件。总体目标是学习如何通过添加剂处理在材料形成中的物理，化学，热和机械现象的相互作用来控制微观结构的发展。将包括所有主要的材料和AM过程。其他目标是发展能够定量分析相对于已建立的商业过程的AM过程的能力和局限性；并严格分析AM研究文献。该课程还将为学生提供探索自己特别兴趣的AM主题领域的机会。提供了一周的主题大纲（请参阅第4页）。简要概述：材料处理和制造；添加剂制造（AM）的统一方面；主要AM过程类别：增值税光聚合，挤出，喷气打印，粘合剂喷射，粉末床融合，定向能量沉积；比较处理，包括AM过程设计，选择和应用。支持AM单位过程的基本原理将包括：聚合，融化，浆液和糊剂的流变学，粉末表征和加工，聚焦梁的能源及其与材料的相互作用以及合金固化。微观结构发展与产生特性之间的关系始终贯穿。先决条件：毕业生或MSE 330或MSE 367。教科书（全部可通过普渡图书馆获得）
QBIO 465生物学和医学中的人工智能
QBIO 465 Artificial Intelligence in Biology and Medicine Units: 4 TBD Semester Lecture: Tuesdays and Thursdays 12:30-1:50 pm Discussion: Fridays 11:00-11:50 am Location: RRI 301 Instructor: Tsu-Pei Chiu, PhD Office: RRI 413J Office Hours: Fridays, 4:00-5:00 pm, or by appointment Contact Info: tsupeich@usc.edu助教：Jesse Weller办公室：RRI 413L办公时间：星期二，11：00 AM-12：00 PM或通过预约联系信息：wellerj@usc.edu简短描述AI技术，包括传统的机器学习和高级学习方法，用于基因组学，系统生物学，数据集成，结构，药物学，医学，医学，医学，以及医学，医学，和医学，并发现，以及基于项目。课程描述本课程介绍了各种各样的人工智能（AI）技术，强调各种深度学习方法。本课程将指导学生采用这些复杂技术来应对各种生物学和医疗挑战的过程。通过一种全面，直观的教学方法，学生将沉浸在动手活动中，直接与许多不同类型的生物学和医疗数据集合作。学习目标主题包括基因组学的原理和方法，系统生物学，结构生物学，多摩学数据整合，结构生物学发现，医学图像，大脑形象，道德问题等。使用AI技术，包括传统的机器学习和先进的深度学习方法以及目前的新兴研究领域。使用的主要编程语言将是Python，该语言将在针对AI和深度学习应用程序量身定制的讲座中进行审查。学生将使用该语言实施AI算法来分析生物学和医疗数据集的每周计算分配和学期末期项目。成功完成本课程后，学生将获得对AI原则的广泛了解，尤其是深度学习技能，并能够通过讲座和练习来分析和建模生物学和医学数据。建议准备：数学208x或QBIO 305G或QBIO 310（或同等学历）。数学225或数学235或数学245（或同等学历）。建议使用Python的编程经验。课程记录本课程是为字母等级的。演讲幻灯片将发布在Brightspace上。