代码 DSP332 课程名称 人工智能基础 课程状态 必修/限选课程;自由选择课程 指导老师 Alla Anohina-Naumeca 教职人员 Ēvalds Urtāns 课程数量:课时和学分 1部分,4.5个学分 教学语言 LV, EN, RU 注释 人工智能是计算机科学的一个子领域,涉及设计和开发具有与人类行为智能相关的特性(解决问题、表示知识、推断、学习等的能力)的计算机系统。如今,人工智能方法、技术和应用的发展非常迅速:自动驾驶汽车、聊天机器人、产品推荐系统、新闻机器人、虚拟助手、基于神经网络的医疗诊断、情感智能辅导系统,以及令人印象深刻的工业机器人。人工智能在现代和未来社会中的作用日益增强,这凸显了对受过学术教育的专业人员的需求,他们掌握了人工智能的基础知识,了解其前景,并具有解决人工智能任务的经验,以解决工程师、设计师、金融专业人士、教育工作者和医务人员等面临的各种问题。本学习课程的重点是构建问题的状态空间图并使用无信息和启发式信息搜索算法(搜索)搜索问题解决方案,使用不同的知识表示方案表示有关问题的知识(知识表示)以及发现和概括过去收集的数据模型,以将它们应用于分类、预测、查找数据相似性等任务中的新数据(机器学习)。实施具有完美信息的双人游戏,其中计算机与人对战,是搜索学习课程中要教授的概念的实际应用。与数据集的选择、分析和处理相关的实际工作确保了机器学习知识的加强。该学习课程采用翻转课堂方式:学生独立学习电子学习课程中提供的学习材料,利用课堂时间以两人一组或小组的形式解决实践任务。课堂上提供的实际任务既可以手动解决,也可以使用免费提供的专用计算机工具(例如 Orange、Segrada、Protégé-Frame 等)解决。课程在能力和技能方面的目标和目的
反洗钱和打击恐怖主义融资 (AML) 法律要求银行部署交易监控系统 (TMS) 来检测银行客户的可疑活动并向执法机构报告该活动。由于监控客户数据以检测可疑活动会干扰基本权利,因此 AML 系统必须遵守欧洲基本权利法下的比例测试,正如欧洲联盟法院 (CJEU) 最近在爱尔兰数字权利案和瑞典 Tele2 - Watson 案中所表达的那样。据我们所知,尚未分析 AML 系统是否符合这些最新案件中所表达的比例测试。随着银行和监管机构考虑转向基于 AI 的工具来检测可疑交易,了解比例测试如何适用于当前的 AML 系统就显得更加重要。本文的目的有两个:研究当前的 AML 系统是否符合比例测试,以及研究 AML 系统中向 AI 的转变是否会加剧比例问题。在可能的情况下,我们建议对已发现的比例问题采取可能的补救措施。
13 欧洲议会和欧洲理事会 2016 年 4 月 27 日颁布的 (EU) 2016/680 号指令,关于在主管当局为预防、调查、侦查或起诉刑事犯罪或执行刑事处罚而处理个人数据方面保护自然人,以及关于此类数据的自由流动,并废除理事会框架决定 2008/977/JHA、OJ L 119/89(警察 - 刑事司法指令)
摘要:在欧洲背景下,欧盟《人工智能法案》提案和《安全可信人工智能标准化要求》草案都将标准化与基本权利联系起来。然而,这些文本并没有提供任何指导方针来具体说明和详细说明人工智能标准与基本权利之间的关系、其含义或含义。本章旨在澄清这一关键的监管盲点。主要解决的问题是,在未来的《人工智能法案》的基础上,采用人工智能协调标准是否应该考虑到基本权利。我们认为,答案是肯定的。某些人工智能系统带来的高风险尤其与侵犯基本权利有关。因此,减轻此类风险涉及基本权利的考虑,这也是未来协调标准应该反映的。同时,必须解决对欧洲标准化进程的有效批评。最后,讨论了在正在进行的欧洲人工智能系统标准化中实际纳入基本权利考虑的问题。
自然语言处理 • 使用语言服务进行文本分析的基础知识 • 使用语言服务进行问答的基础知识 • 对话语言理解的基础知识 • Azure AI 语音的基础知识 • 语言翻译的基础知识 文档智能和知识挖掘 • Azure AI 文档智能的基础知识 • 知识挖掘和 Azure AI 搜索的基础知识 生成式 AI • 生成式 AI 的基础知识 • Azure AI Studio 简介 • 负责任的生成式 AI
全球大多数制造业(包括化工行业)主要以基本负荷模式运行,通常产能利用率较高,这是出于运营效率、成本竞争力和技术必要性等原因。转向更加动态的消费模式(即使在技术上可行的情况下)也会降低工业流程的效率,导致(相对)排放量增加、能源效率降低、原料产量降低,以及根据基础流程以更动态的方式运营特定工厂的总体成本增加。
金融服务中人工智能基础的专业证书是一项7级UCD认可的计划,旨在为金融服务专业人士配备知识和技能,以在当今的金融市场中导航和领导,在此,AI工具和技术正在改变景观。您将学习如何优化工作流程,保持监管变化,并推动组织内的真实,有影响力的创新。
摘要 人工智能 (AI) 既吸引人又令人费解。因此,解释其优点和缺点对于充分教育读者是必要的。在有限的范围内,《商业领袖的人工智能基础知识》是四本系列丛书中的第一本,确实为读者提供了详细的解释和实用指导。其作者 I. Almeida 是 Now Next Later AI 的首席转型官,Now Next Later AI 是一家咨询、培训和出版公司,支持组织制定该领域的战略、转型和治理。本书围绕培养对人工智能、数据和数据管理、机器学习、深度学习、模型选择和评估以及生成式人工智能(专注于内容创建的人工智能子领域)的一般理解展开。它指导读者如何在现实世界中实际应用这些概念以获得最佳结果。不可否认,作为一本实用指南,它并非旨在完全提供人工智能采用的全球视角、其对各种领导风格和组织文化的具体影响以及其对能源网的影响。然而,尽管有这些局限性,这本书确实为实际理解和应用打开了大门。
这一过程中的一个核心考虑因素是计划的非流动性容忍度。这一概念指的是计划投资于那些难以快速出售且不打折或罚款的资产的能力,例如房地产、私募股权、私人信贷和其他非公开交易的资产。这些投资通常提供比公开交易资产更高的回报率,但需要将其锁定更长的时间(即非流动性溢价)。一般而言,定期提款要求较高的计划比更健康的计划收获这种非流动性溢价的能力较小。