XiaoMi-AI文件搜索系统
World File Search Systemalso
![通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。](/simg/d/dd5abf0752fcc9f891dc4a96743f916f96f28350.png)
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
通过分层相关性传播增强核电站 AI 模型的可解释性 Seung Geun Kim a*、Seunghyoung Ryu a、Hyeonmin Kim b、Kyungho Jin b、Jaehyun Cho ba 应用人工智能实验室/b 韩国原子能研究院风险评估与管理研究团队，韩国大田儒城区大德大路 989 号街 111，34057 * 通讯作者：sgkim92@kaeri.re.kr 1.简介 随着人工智能 (AI) 技术的快速发展，各个领域的应用数量巨大。核领域也紧跟这一趋势，许多研究利用 AI 模型解决事件诊断和自动/自主操作等问题。然而，占据近期 AI 技术应用最大份额的深度神经网络 (DNN) 具有不透明且可解释性低的局限性。对于基于 DNN 的模型，很难了解模型的内部逻辑或模型如何从给定的输入推断出输出。由于这一限制，尽管基于 DNN 的模型的性能可以接受，但人们对将其实际应用于安全关键领域和与道德/法律问题相关的领域仍犹豫不决。为了克服可解释性低的限制，已经提出了许多可解释的人工智能 (XAI) 方法。XAI 方法可以提供详细的解释，例如模型的内部逻辑和输入与输出之间的关系。然而，尽管可解释性问题对于安全关键的核领域至关重要，但缺乏处理 XAI 的研究。在本研究中，为了提高核领域人工智能模型的可解释性和实用性，研究了分层相关性传播 (LRP) [1]，它是 XAI 方法之一，与其他 XAI 方法相比，它在许多应用中表现出更好的性能。论文的其余部分组织如下。在第 2 章中，对 XAI 和 LRP 进行了简要说明。第 3 章描述了可行性检查实验，第 4 章总结了本文。 2. 前言 2.1 可解释人工智能 可解释人工智能 (XAI) 是一种使人类轻松理解 AI 模型的技术。大多数 AI 模型在数据处理和解决问题的方法方面与人类不同。例如，AI 模型识别具有像素 RGB 值的图像，而人类则不能。提出 XAI 是为了减轻理解 AI 模型内部过程或推断某些输出的原因的难度。
CIPL 对欧盟委员会关于《人工智能法案》草案的咨询的回应 CIPL 1 欢迎就欧盟委员会关于《欧洲人工智能法案》2（“AI 法案”或“法案”）的提案进行咨询，以将其纳入欧盟立法程序。CIPL 很高兴看到《人工智能法案》采纳了 CIPL 关于采用基于风险的方法监管欧盟人工智能的文件中提出的几项建议。3 这些建议旨在培养对人工智能的信任，而不会妨碍其负责任的发展。特别是，CIPL 欢迎该法案基于风险的方法，该方法将适用于高风险的人工智能用例，而不会监管人工智能技术本身或整个行业。CIPL 还欢迎拟议使用统一标准和行业自我评估产品符合性，因为这些机制已被证明能够成功推动创新并在欧盟市场开发安全可信的技术。CIPL 还欢迎旨在支持创新的措施，特别是通过为监管沙盒提供法定基础。最后，CIPL 很高兴看到《人工智能法案》中概述的一些要求与一些现有的行业惯例相一致，这些惯例为确保负责任地开发和使用人工智能设定了高标准。4 然而，CIPL 遗憾的是，《人工智能法案》没有充分考虑到一些必要条件，例如提供基于结果的规则；明确允许组织根据人工智能系统的风险和收益来调整对要求的遵守情况；奖励和鼓励负责任的人工智能实践；利用监管沙盒的经验教训；并澄清《人工智能法案》的监督和执行条款也应基于风险。CIPL 重申，要使《人工智能法案》有效地保护基本权利，同时也为欧盟创新的新时代奠定基础，它需要足够灵活以适应未来的技术。此外，该法案不能过于严格，以免抑制包括公共卫生或环境在内的一系列行业和部门对人工智能的宝贵和有益的创新和使用。最后，《人工智能法案》将受益于有针对性的调整，以更好地明确人工智能提供者、部署者和用户的责任平衡，特别是对于通用人工智能和开源人工智能模型。
CIPL 对欧盟委员会关于《人工智能法案》草案的咨询的回应 CIPL 1 欢迎就欧盟委员会关于《欧洲人工智能法案》2（“AI 法案”或“法案”）的提案进行咨询，以将其纳入欧盟立法程序。CIPL 很高兴看到《人工智能法案》采纳了 CIPL 关于采用基于风险的方法监管欧盟人工智能的文件中提出的几项建议。3 这些建议旨在培养对人工智能的信任，而不会妨碍其负责任的发展。特别是，CIPL 欢迎该法案基于风险的方法，该方法将适用于高风险的人工智能用例，而不会监管人工智能技术本身或整个行业。CIPL 还欢迎拟议使用统一标准和行业自我评估产品符合性，因为这些机制已被证明能够成功推动创新并在欧盟市场开发安全可信的技术。CIPL 还欢迎旨在支持创新的措施，特别是通过为监管沙盒提供法定基础。最后，CIPL 很高兴看到《人工智能法案》中概述的一些要求与一些现有的行业惯例相一致，这些惯例为确保负责任地开发和使用人工智能设定了高标准。4 然而，CIPL 遗憾的是，《人工智能法案》没有充分考虑到一些必要条件，例如提供基于结果的规则；明确允许组织根据人工智能系统的风险和收益来调整对要求的遵守情况；奖励和鼓励负责任的人工智能实践；利用监管沙盒的经验教训；并澄清《人工智能法案》的监督和执行条款也应基于风险。CIPL 重申，要使《人工智能法案》有效地保护基本权利，同时也为欧盟创新的新时代奠定基础，它需要足够灵活以适应未来的技术。此外，该法案不能过于严格，以免抑制包括公共卫生或环境在内的一系列行业和部门对人工智能的宝贵和有益的创新和使用。最后，《人工智能法案》将受益于有针对性的调整，以更好地明确人工智能提供者、部署者和用户的责任平衡，特别是对于通用人工智能和开源人工智能模型。
您的孩子...也通过疫苗保护他/她！
脊髓灰质炎（简称 Polio）是一种由病毒（脊髓灰质炎病毒）引起的非常严重的疾病。这种疾病仅通过三种已知的脊髓灰质炎病毒（血清型 1、2 和 3）自然感染人类。血清型 1 是瘫痪的主要原因，也是最常引起流行病的病毒。病毒通过手部接触或受污染的物体，或通过食物和水在人与人之间传播，病毒可以从这些物体进入神经系统，从而导致非常严重的疾病。幼儿感染的风险更大。我国卫生条件的改善有助于减少许多传染病的传播，包括脊髓灰质炎，但这还不够，因为只有通过给每个人接种疫苗，我们才能确保保护人们免受某些疾病的侵害，并成功彻底消除流行病。
许多公司提供 AI 驱动的软件平台，用于对临床测序数据（例如 NGS、WES、WGS）进行基因组分析和解释，例如使用 VCF 文件作为输入（表 1）。分析任务包括比对、变异解释、变异调用、注释和分析以及文献整理。AI 驱动方法的优势包括大大缩短周转时间并提高诊断产量。还有基于监督学习（例如 ISOWN）、机器学习（例如 BAYSIC、MutationSeq、SNooPer、SomaticSeq）、卷积神经网络（例如 Clairvoyante）、深度卷积神经网络（例如 DeepSea）、深度循环神经网络（例如 Deep Nano）、深度神经网络（例如 DANN）和人工神经网络（例如 Skyhawk）的基于 AI 的变异调用算法（一些可免费获得），这些算法最近都得到了调查和评论（Bohannan and Mitrofanova 2019；Karimnezhad et al 2020；Koboldt 2020；Liu et al 2019；Xu 2018）。
许多公司提供 AI 驱动的软件平台，用于对临床测序数据（例如 NGS、WES、WGS）进行基因组分析和解释，例如使用 VCF 文件作为输入（表 1）。分析任务包括比对、变异解释、变异调用、注释和分析以及文献整理。AI 驱动方法的优势包括大大缩短周转时间并提高诊断产量。还有基于监督学习（例如 ISOWN）、机器学习（例如 BAYSIC、MutationSeq、SNooPer、SomaticSeq）、卷积神经网络（例如 Clairvoyante）、深度卷积神经网络（例如 DeepSea）、深度循环神经网络（例如 Deep Nano）、深度神经网络（例如 DANN）和人工神经网络（例如 Skyhawk）的基于 AI 的变异调用算法（一些可免费获得），这些算法最近都得到了调查和评论（Bohannan and Mitrofanova 2019；Karimnezhad et al 2020；Koboldt 2020；Liu et al 2019；Xu 2018）。
太阳镜躲在后面也可能预防眼睛黑色素
因为站点可以预测广泛的临床特征，并且可以从治疗方案中选择。皮肤中出现常见的皮肤黑色素瘤（〜90％的病例）。很少，黑素瘤（例如，胃肠道和生殖道的粘膜（约1 - 2％）出现在眼睛，眼睛（〜5％的情况）（约5％）中，在卵巢（脉络膜，iris和睫状体）中，或者在conjunctiva（conjunctiva conjunctiva scline scliends of conjunctiva and sclinies of sclinies of sclindions of sclinies of sclinies）图1）。特别关注的是，这些罕见的黑色素瘤亚型的治疗选择有限。许多流行病学和实验研究将非易纤维皮肤皮肤的常见黑色素瘤与暴露于紫外线辐射（UVR）及其基因组相结合，因此显示了直接UVR诱导的DNA损伤的证据，表现出高肿瘤突变负担（TMBS），c> t> t> t> t> t> t> t tistition 7（TMBS）的高度突变的底基7（TMBS）。2相比之下，稀有黑色素瘤通常具有较低的TMB，而C> T跃迁和SBS7的比例较低，但是具有大量的基因组结构变异（SV），具有特征性的染色体成分和损失。不同的黑色素瘤亚型也由不同的癌基因驱动。皮肤黑色素瘤通常由BRAF，NRA和NF1驱动，HTERT和TP53中有继发突变。粘膜黑色素瘤由BRAF和NRA驱动，但频率低于皮肤黑色素瘤，而Kit在该疾病中也是常见的驱动力。最后，紫veal黑色素瘤由GNAQ，GNA11和CYSLTR2驱动，BAP1，SF3B1和EIF1AX中具有次要突变。3 - 6
智能制造中的人工智能和网络安全挑战 Dr.P.KALARANI 计算机技术与信息技术系助理教授 印度泰米尔纳德邦埃罗德 Kongu 艺术与科学学院 邮箱：meet.kalaram@gmail.com 文章历史：收到日期：2020 年 11 月 11 日；接受日期：2020 年 12 月 27 日；在线发表日期：2021 年 4 月 5 日 摘要：智能制造 (SM) 是一种广泛的制造类别，它采用基于计算机的集成制造系统，具有更高端的新适应性和设计结构的快速变化，以及数字化和有效的劳动力培训。有必要在 SM 系统中采用新技术，以适应现有系统的变化。智能工厂通过让客户满意来提高单位产量、质量和一致性维护。更智能的技术有助于在组织中借助计算技术获取信息，通过该信息/数据将定期记录。对环境非常安全的智能制造系统被我们称为绿色制造 (GM)。绿色技术或绿色制造是一个总称，它以某种方式属于同一分支，用于多种技术或科学领域，以生产对环境友好的产品。GM 是最需要的，它可能导致更高水平的发展
智能制造中人工智能与网络安全挑战赋能 Dr.P.KALARANI 计算机技术与信息技术系助理教授 印度泰米尔纳德邦埃罗德 Kongu 艺术与科学学院 邮箱：meet.kalaram@gmail.com 文章历史：收到日期：2020 年 11 月 11 日；接受日期：2020 年 12 月 27 日；在线发表日期：2021 年 4 月 5 日 摘要：SM（智能制造）是一种广泛的制造类别，采用基于计算机的集成制造系统，具有更高的新适应性和设计结构的快速变化，以及数字化和有效的劳动力培训。有必要在 SM 系统中纳入新技术，以适应现有系统的变化。智能工厂通过让客户满意来提高单位产量、质量和一致性维护。更智能的技术有助于在组织中借助计算机技术获取信息，通过计算机技术定期记录信息/数据。对环境非常安全的智能制造系统被我们称为绿色制造 (GM)。绿色技术或绿色制造是一个总称，它以某种方式属于同一分支，用于多种技术或科学领域，以生产对环境友好的产品。GM 是最需要的，它可能导致经济方面更高水平的发展。此外，在网络安全方面，还需要解决信息的机密性以及 SM 系统带来的漏洞。因此，我们提出了一种借助人工智能 (AI) 和网络安全框架在 SM 系统中实现高效绿色制造的方法。所提出的工作采用双阶段 ANN 来寻找工业中 SM 系统的设计配置。然后，为了在通信时保持数据的机密性，使用 3DES 方法对数据进行加密。关键词：智能制造、人工智能、网络安全、机密性、加密。1.介绍
晚期癌症也是一种心力衰竭综合征：一种假设
根据总体证据，我们认为晚期癌症也是一种心力衰竭综合征，其表现独立于（并且除了）已知的抗癌疗法的心脏毒性作用而发生。这些表现是（i）存在临床心力衰竭样综合征，和（ii）此类患者存在大量临床相关的心律失常。我们认为癌症和心力衰竭之间的病理生理联系是双重的。首先，晚期癌症的全身性肌肉萎缩（即肌肉减少症）会导致一种退行性心肌病，我们认为这是一种心脏萎缩相关的心肌病（图 1）。除了心脏的结构变化外，多种细胞萎缩过程会影响心脏的电细胞和传导系统通路的结构和功能，导致显著的心律失常风险（图 2）。我们的假设是，癌症与严重的组织炎症和氧化应激以及局部神经激素激活（即组织稳态变化）有关，从而导致心脏萎缩、纤维化和细胞凋亡。由于拉普拉斯定律中所描述的关系，心脏萎缩（以心室壁变薄为特征）会增加心室壁应力，即使在没有心室扩张的情况下也是如此。这些改变会损害心脏功能，并可能因电不稳定而导致严重的心律失常。间质心脏环境的变化导致心肌细胞死亡，可能是癌症患者心律失常发展的重要底物。其他重要的病理生理过程，包括癌症引起的促血栓状态、局部组织缺氧、氧化应激和新血管形成紊乱，可能在癌症（及其治疗）与随后的心血管功能障碍之间发挥作用。微循环的变化是许多抗癌药物的常见现象，也可能导致癌症患者出现射血分数正常的心力衰竭。在临床前模型 1 6 和人类中，已证实晚期癌症会出现心脏衰竭。1 7 在动物模型中，肿瘤代谢物已被证明会导致心脏功能障碍。1 8 这些问题在临床医学中基本上没有被认识到，因为它们的表现大多发生在晚期癌症阶段，此时患者接受的是姑息性癌症治疗，很少进行系统的心脏检查。据了解，肿瘤患者死亡的主要原因是癌症本身。5 癌症死亡的其他重要原因是感染和多器官衰竭。2 然而，晚期癌症的死因极难确定（特别是因为许多患者同时患有多种疾病，包括感染和多器官衰竭），而且尚未就癌症中适当的事件定义达成共识。晚期癌症患者的症状（本文认为类似于心力衰竭）可能确实是由于类似心力衰竭的症状引起的，例如极度虚弱和恶病质。1 9 需要对此进行临床研究。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
搬迁沙田污水处理厂往岩洞的实时大数据人工智能环境影响评估 (AIEIA) 执行摘要 搬迁沙田污水处理厂往岩洞（本项目）的环境影响评估中，位于沙田马场和周边河道的彭福公园鹭鸟林被列为环境指标之一。目前，香港对鸟类生态栖息地的监测主要以人为观察为主，而人为观察的时间间隔有限。由于繁殖季节环境变化微妙，人为不易分辨鸟类行为的细微变化。渠务署藉此机会与香港科技大学合作，通过在项目下对彭福公园鹭鸟林进行先导观察，探索将最先进的绿色人工智能 (AI) 技术融入环境监测。观察是明智行动的第一步。完整的阵列数据收集系统 (ADCS) 和实时数据提取管道架构经过全面设计，可实现模块化，并可成功部署在各种结构中，确保在所有环境中可靠运行。ADCS 具有多种优势，可满足户外环境长期监测的需求：(i) 自动连续录制；(ii) 高分辨率视频；(iii) 高帧率视频；(iv) 巨大的本地数据存储；(v) 保护恶劣环境（例如极端天气条件）。采用一种新的视频压缩标准高效视频编码 (H.265) 来处理、存储和传输高分辨率视频，同时保持视频质量。在户外环境中实现数据采集自动化之后，实施了 AI 算法，以从长达数月的数据中检测鸟类。本研究重点是检测大白鹭和小白鹭，即研究地点的主要鸟类。AI 算法开发的主要挑战是缺乏香港鸟类的标记数据集。为了解决这个问题，我们利用 3D 建模制作了大白鹭和小白鹭的合成鸟类数据集。在虚拟图像的开发过程中，我们应用了姿势和身体大小等显著特征的大量变化，这反过来又迫使模型专注于专家用来区分鸟类物种的细粒度鸟类特征，例如颈部和头部。经过训练的 AI 模型能够在不同背景下以高预测分数区分和定位鸟类物种，平均准确率达到 87.65%。我们的人工智能 ADCS 解决方案比传统的人工观察具有多种潜在优势，能够在不同的天气条件下为不同物种的鸟类计数、行为研究、空间偏好以及种间和种内相互作用提供密集的表面。这项研究的结果和发现有利于未来规划环境监测工作以及项目下的工作阶段，以尽量减少对彭福公园鹭鸟林的潜在环境影响。
约克大学人工智能哲学 AP/PHIL/COGS 3750 3.00（Lect 01）2021 年冬季课程类型：讲座 | 星期四，下午 2:30（EST），3 小时 | 地点：Zoom | Cat# M73K01（AP COGS）/ W55M01（AP PHIL）重要日期：1 月 11 日（学期开始）、1 月 14 日（第一堂课）、2 月 13-19 日（冬季阅读周）、3 月 12 日（不获得成绩的最后一天退课）、4 月 8 日（最后一堂课）、4 月 12 日（冬季课程结束）、4 月 13 日（本学期提交作业的最后一天）、4 月 14-28 日（冬季考试期）课程讲师：Michael Barkasi（barkasi@yorku.ca）办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST）；可能的其他时间。需要预约（请发送电子邮件）。先决条件：AP/PHIL/COGS 2160 3.00 或 AP/PHIL 2240 3.00 之一 参加课程的技术要求：eClass 访问和 Zoom。强烈建议学生参加周四的 Zoom 讲座并积极参与麦克风和视频，但这不是强制性的。（如果愿意，参加 Zoom 会议的学生可以关闭摄像头并将麦克风静音。） 讲座将被录制并通过 eClass 提供给那些不能参加的学生。（与学生的讨论时间不会被记录，因此不参加 Zoom 会议的学生将错过课堂的这一部分。） 以下是一些有用的学生计算信息、资源和帮助链接：Moodle 学生指南 | Zoom@YorkU 最佳实践 | Zoom@YorkU 用户参考指南 | 学生计算网站 | 约克大学电子学习学生指南 时间和地点：这是一门远程授课的课程。每周四将在预定的 2:30-5:30pm（EST）时间段通过 Zoom 进行讲座和讨论。重复 Zoom 会议的链接将发布到 eClass，为无法现场参加的人提供讲座（但不提供讨论）的录音。虽然不需要参加正常的 Zoom 会议，但你需要在第 8 周（3 月 4 日）星期四下午 2:30-5:30（EST）时间段参加期中考试；你还需要在期末考试期间分配给课程的时间段参加期末考试。请注意，这是一门依赖远程教学的课程。校园内不会有面对面的互动或活动。虚拟办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST），或我们双方同意的时间。无论哪种情况都需要预约（请发送电子邮件设置预约并获取 Zoom 链接）。如果您有任何问题、意见或疑虑，请随时通过电子邮件联系我（课程主任）。
约克大学人工智能哲学 AP/PHIL/COGS 3750 3.00（Lect 01）2021 年冬季课程类型：讲座 | 星期四，下午 2:30（EST），3 小时 | 地点：Zoom | Cat# M73K01（AP COGS）/ W55M01（AP PHIL）重要日期：1 月 11 日（学期开始）、1 月 14 日（第一堂课）、2 月 13-19 日（冬季阅读周）、3 月 12 日（不获得成绩的最后一天退课）、4 月 8 日（最后一堂课）、4 月 12 日（冬季课程结束）、4 月 13 日（本学期提交作业的最后一天）、4 月 14-28 日（冬季考试期）课程讲师：Michael Barkasi（barkasi@yorku.ca）办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST）；可能的其他时间。需要预约（请发送电子邮件）。先决条件：AP/PHIL/COGS 2160 3.00 或 AP/PHIL 2240 3.00 之一 参加课程的技术要求：eClass 访问和 Zoom。强烈建议学生参加周四的 Zoom 讲座并积极参与麦克风和视频，但这不是强制性的。（如果愿意，参加 Zoom 会议的学生可以关闭摄像头并将麦克风静音。） 讲座将被录制并通过 eClass 提供给那些不能参加的学生。（与学生的讨论时间不会被记录，因此不参加 Zoom 会议的学生将错过课堂的这一部分。） 以下是一些有用的学生计算信息、资源和帮助链接：Moodle 学生指南 | Zoom@YorkU 最佳实践 | Zoom@YorkU 用户参考指南 | 学生计算网站 | 约克大学电子学习学生指南 时间和地点：这是一门远程授课的课程。每周四将在预定的 2:30-5:30pm（EST）时间段通过 Zoom 进行讲座和讨论。重复 Zoom 会议的链接将发布到 eClass，为无法现场参加的人提供讲座（但不提供讨论）的录音。虽然不需要参加正常的 Zoom 会议，但你需要在第 8 周（3 月 4 日）星期四下午 2:30-5:30（EST）时间段参加期中考试；你还需要在期末考试期间分配给课程的时间段参加期末考试。请注意，这是一门依赖远程教学的课程。校园内不会有面对面的互动或活动。虚拟办公时间：通过 Zoom，星期四，下午 1:30-2:30（EST），或我们双方同意的时间。无论哪种情况都需要预约（请发送电子邮件设置预约并获取 Zoom 链接）。如果您有任何问题、意见或疑虑，请随时通过电子邮件联系我（课程主任）。
_______________________________________________________________________________________________ 入读面向在职专业人士的兼职 M.Tech。（人工智能）计划 IIT Jodhpur 邀请申请入读面向在职专业人士的兼职 M.Tech。（人工智能）计划，从 2021 年 2 月开始。人工智能已成为一项核心技术，对生产力产生了重大影响。为了满足对新兴人工智能技术培训人才的迫切需求，IIT Jodhpur 去年为专业人士启动了兼职 M.Tech。（AI）计划。该计划在全国范围内引起了热烈的反响。它旨在让专业人士以校外学生的身份以兼职模式攻读 M.Tech。并定期访问学院体验 IIT 环境。该计划由 IIT Jodhpur 的教职员工以及行业专家实施，并由 IIT Jodhpur 的技术创新和创业中心 (TISC) 管理。资格标准和录取流程
______________________________________________________________________________________________________________ 入读兼职 M.Tech。（人工智能）在职专业人士计划 IIT Jodhpur 邀请申请入读兼职 M.Tech。（人工智能）在职专业人士计划，从 2021 年 2 月开始的学期。人工智能已成为一项核心技术，对生产力产生了重大影响。为了满足对新兴人工智能技术培训人才的迫切需求，IIT Jodhpur 去年启动了兼职 M.Tech。专业人士的（AI）计划。该计划在全国范围内引起了热烈的反响。它旨在让专业人士以校外学生的身份以兼职模式攻读 M.Tech。并定期访问学院体验 IIT 环境。该项目由印度理工学院焦特布尔分校的教职员工以及行业专家开展，并由印度理工学院焦特布尔分校的技术创新和创业中心 (TISC) 管理。资格标准和录取流程