XiaoMi-AI文件搜索系统
World File Search SystemML
在学校使用 Scratch 和 LearningML 学习人工智能.pdf
Brummelen, JV、Shen, JH 和 Patton, EW (2019)。流行歌星、诗人和格林奇：通过基于块的编码将人工智能与计算思维框架联系起来。2019 年国际计算思维教育会议论文集。香港：香港教育大学，2
第一个反洗钱人工智能附录 v1.0
2.3.参与和终止。客户对 AI 功能的使用是可选的，并且需要客户启用 AI 功能。First AML 可随时更改、暂停或停止任何 AI 功能。在发布对 AI 条款的任何更改后，客户继续使用 AI 功能即表示接受这些更改。First AML 还可能对某些功能和服务施加限制，或限制客户访问全部或部分 AI 功能，而无需通知 First AML 或对其承担任何责任。
海军陆战队滨海团 (MLR)
夏威夷 MLR 的大部分将使用那里已经存在的单位创建。在 FY22，第 3 海军陆战队过渡到第 3 MLR。该单位将在所有人员和设备流入之前启动。目的是让第 3 MLR 的元素尽快参与部队设计第三阶段实验，以启动舰队反馈。海军陆战队作战实验室正在领导第三阶段的工作，并将把舰队反馈纳入未来的战争游戏、建模和模拟中，以验证过去的决策并影响未来的决策。
机器学习与人工智能：SWOT 分析
教职人员@莱斯大学、新加坡国立大学、于默奥大学、浙江大学、北卡罗来纳大学、林雪平分校、印度医学科学院、卡本代尔大学、文图拉大学、南洋理工大学、以色列理工学院 博士后@苏黎世联邦理工学院（3）、麻省理工学院（2）、麦吉尔大学、图灵大学 其他@Kandou bus、SwissRE、TUM
使用 AI 进行 ML 教学的资源
● 这是开放大学教育技术名誉教授 Mike Sharples 在 2023 年 UCL 教育大会上的主题演讲，该演讲探讨了人工智能作为教育的一部分在教育领域蓬勃发展的机会。他利用自己在以人为本的设计以及对新技术和学习环境的评估方面的专业知识，重点关注人工智能的发展等主题。在这次演讲中，他特别提到了人工智能工具对跨语言和手语的重要性。
基本微生物学-MLD
（学分：理论3）（教学时间 - 4）课程目标：了解微生物学的基础知识并了解环境中的作用。提供对微生物世界，微生物的基本结构和功能，代谢，营养，其多样性，生理学以及与环境和人类健康的关系的基本理解。具有隔离和操纵条件的实用技能。确保学生了解微生物的结构和功能。单元 - I（10小时）微生物多样性：微生物学，历史和微生物学范围，一般特征和分类的古细菌，细菌，真菌，藻类，原生动物，病毒，病毒和王室的基础。原核生物和真核生物之间的差异。单位II（15小时）细菌的超微结构：细胞结构 - 细菌及其生物合成的细胞壁，细胞包膜 - 胶囊和粘液层，细胞附加物 - pili，鞭毛，鞭毛和脂肪，细胞膜，细胞膜，包含体，质粒DNA和质子DNA和染色体和染色体DNA。细菌遗传学 - 结合，转导（广义和专业化）和转化。单位-V（10小时）微生物控制：灭菌，消毒，反杂质，熏蒸。物理控制：温度（潮湿的热量，高压灭菌，干热，热空气烤箱和焚化炉），干燥，渗透压，辐射，紫外线，电力，超声波，超声波波，过滤。化学控制：防腐剂和消毒剂（卤素，酒精，气态灭菌）课程学习结果（CLO）：学生将能够1。2。单元-III（15小时）显微镜：染色 - 染色（简单和微分）显微镜的原理和类型 - 光学显微镜（明亮场，暗场，相位对比，荧光显微镜）和电子显微镜的原理，原理和申请营养类型，培养基类型的制备，微生物的培养，微生物生长曲线，病毒复制：裂解和裂解性周期，微生物的隔离，保存和维持微生物，有氧和厌氧的细菌培养，生物效应以及生物因素的作用以及生物因素对生长的生长。定义了微生物学的科学，其发展和在人类福利中的重要性。描述自发产生的历史概念以及执行
PharmAML：创建一个机器学习过程来分析动作机理＆
●随机森林：一种合奏学习算法，该算法构建了多个决策树并结合了输出以提高准确性并减少过度效果。●XGBoost：像随机森林一样，XGBoost是一种集合学习算法，但它使用梯度提升来依次构建决策树，在每个步骤上纠正错误，以提高准确性和效率。●KNN：一种基于实例的学习算法，该算法基于其K最近的K最近邻居的多数类或通过平均值来预测值。●XGBlend：我们创建的XGBoost模型！将标准神经网络与XGBoost体系结构相结合，以提高算法处理的速度。●1D-CNN：使用卷积层将每一行视为1D序列的卷积神经网络，以捕获特征相互作用并提取图案，以提高预测性能。●TABNET：专为表格数据而设计的深度学习模型，利用注意机制动态选择相关特征，从而实现可解释性和有效的学习。
