XiaoMi-AI文件搜索系统
World File Search System课程
人工智能探索在线课程大纲
课程描述人工智能探索及其在学校的实际应用通过演示、实际使用示例、实施工具和资源以及互动活动向您介绍人工智能 (AI) 领域及其在 K-12 环境中的应用。本课程重点介绍人工智能技术的各个方面，这些技术有可能促进和利用学习，并解决学校和社区中的实际问题。作为教育工作者，您还将学习向学生揭示人工智能技术如何融入我们生活的许多不同方面。您将积极参与课程内容，参与在线活动并完成动手作业以应用您的学习。在整个课程中，您将获得可供借鉴的策略，因为您将开发一个基于项目的单元，学生可以在其中应用人工智能来解决问题。
课程需求及分配报告 研究生课程，选修课程（第 3 轮）2024/2025 学年第 2 学期
备注：1. 除非另有说明，本报告中的空缺、需求和成功/不成功分配数据显示的是当前轮次中在主列表下选定的课程类别。2. 同一门课程可能在不同的“选择课程”轮次中提供给不同的学生。检查课程是否在特定轮次中可用的一般指南如下：•“选择课程”第 1 轮是针对课程要求、限制/直接辅修要求和 CELC 英语要求的受保护轮次。•“选择课程”第 2 轮及以后包括大学水平要求和无限制选修要求的课程选择。3.“空缺”栏显示当前轮次选择课程分配时的配额（按学生职业）。可能会发生变化，例如管理员在为符合条件的学生运行分配过程之前分配的课程。在处理选择课程（第 3 轮）的课程分配和提交课程请求时，课程类别的所有可用空缺将合并。当课程班级已达到最大容量时，它将更新为“-”。在这种情况下，学生不得选择课程或提出申诉。4.“其他”栏包括课程已提前分配、课程被取消或学生课程状态不再有效等原因。5.请注意，大多数法律选修课程（涵盖所有学术职业）的总配额为 50。第 1 页，共 45 页截至 2025 年 1 月 11 日
2024/2025 学年第二学期课程班级空缺报告
注意：1. 同一门课程可能在不同的“选择课程”轮次中提供给不同的学生。检查课程是否在特定轮次中可用的一般指南如下：•“选择课程”第 1 轮是针对课程要求、限制/直接辅修要求和 CELC 英语要求的受保护轮次。•“选择课程”第 2 轮及以后包括大学水平要求和无限制选修要求的课程选择。2. 在处理选择课程（第 3 轮）的课程分配和提交课程请求时，课程类别的所有可用空缺将合并。3. 请注意，大多数法律选修课程（涵盖所有学术职业）的总配额为 50。
课程描述指南 2024-2025
艺术调查 AC 年级：9-12 课程编号：01260/01261 1 学分 1 年选修课 先决条件：无 艺术调查是视觉艺术的入门课，也是所有艺术课程的先决条件。学生将体验各种媒介和创作过程。课程将涵盖艺术元素和设计原则以及每种媒介的具体技巧。学生将学习使用一、二和三个消失点进行空间绘画。他们将使用价值、色调和纹理进行渲染，从静物画到想象世界。课程将使用木炭、钢笔、铅笔、油画棒、蜡笔和记号笔。学生将学习色彩理论和设计。将利用木版印刷工艺创建图案。学生将使用粘土、石膏、发现的物体和其他混合媒介进行塑造和构造。通过创作过程，学生将深入了解艺术、艺术史、感知和批判性反思。学生将根据需要购买用品。
课程班级需求和分配报告研究生课程，选修课程（第 2 轮）第 2 学期，2024/2025 学年
备注：1.本报告中的空缺、需求和成功/不成功分配数据显示的是当前轮次中主列表下选定的课程类别，除非另有说明。2.同一门课程可能在不同的“选择课程”轮次中提供给不同的学生。检查课程是否在特定轮次中可用的一般指南如下： • “选择课程”第 1 轮是针对课程要求、限制/直接辅修要求和 CELC 英语要求的受保护轮次。• “选择课程”第 2 轮及以后包括针对大学水平要求和不受限制的选修课要求的课程选择。3.“空缺”栏显示当前轮次选择课程分配时的配额（按学生职业）。可能会发生变化，例如管理员在为符合条件的学生运行分配流程之前分配了课程。在处理选择课程（第 3 轮）和提交课程请求的课程分配时，课程班级的所有可用空缺将被合并。当课程班级达到其最大容量时，它将更新为“-”。在这种情况下，学生不允许选择课程或提交上诉。4.“其他”列包括课程已经提前分配、课程被取消或学生的课程状态不再有效等原因。5.请注意，大多数法律选修课程（涵盖所有学术职业）的总配额为 50。截至 2025 年 1 月 8 日，第 1 页，共 51 页
DSCI-531 人工智能公平性课程大纲
● HW1：研究过程中的道德规范 - 这项作业将向学生介绍开展公平和道德研究的概念。重点将放在对 IRB 本质的历史理解上。学生将完成 CITI 人类受试者研究培训作为其作业的一部分。● HW2：数据和预测中的偏见 - 学生将学习将基本的数据挖掘技术应用于数据。学生将设计和对大型数据集进行统计测试。这些测试将围绕公平概念以及如何利用技术来识别不公平进行设计。● HW3：NLP 中的偏见 - 学生将学习命名实体识别中的性别偏见。解决这项作业需要基本的自然语言处理技术，包括基于转换器的语言模型，如 BERT。● HW4：网络中的偏见——在这项作业中，学生将学习和应用基本的网络技术来发现网络中的性别偏见。女性在网络中的代表性是更多还是更少？她们是否倾向于占据比男性更高或更低的中心位置？注意：在书面和编程作业中，描述和分析的完整性和清晰度与最终的正确答案一样重要。仅发送单个最终值（即使正确）是不够的。请参阅下表：