香港大学硕士AI课程设置及核心内容概述

香港大学人工智能（AI）硕士课程的学术重点是推广数学、统计学和计算机科学的应用，以促进人工智能在决策和解决问题方面的应用，为私营和公共部门的各种组织和企业服务。以下是香港大学硕士AI课程设置及核心内容概述，希望能帮助你更好地了解这个学位项目。

一、必修课程

1、ARIN7001 人工智能基础

本课程将介绍数学、统计学和计算机科学中的基础知识、方法和工具，用于研究和应用人工智能。

2、ARIN7011 人工智能优化

本课程将向学生介绍在人工智能和机器学习中发挥重要作用的优化理论和算法。主题包括：1) 人工智能中的基础优化模型（线性规划模型、整数规划模型、网络模型、强化学习和深度学习模型等）；2) 人工智能中的优化理论（最优性条件、约束条件、深度神经网络的全局景观分析、P-和NP-困难问题、近似算法、初步图论等）；3) 人工智能中的优化算法。

3、ARIN7013 人工智能中的数值方法

本课程将向学生介绍在人工智能和机器学习中起重要作用的数值方法。主题包括：1) 数值分析的概念；2) 解线性系统的数值方法；3) 主成分分析、张量分解及其在计算机视觉、图像处理、人工智能和机器学习中的应用；4) 计算特征值和特征向量；5) 常微分方程的数值方法。

4、ARIN7101 人工智能统计

通过关注统计学习和人工智能之间的相互作用，本课程回顾了经典统计学习的主要概念，研究了进行统计学习的计算机密集型方法，并探讨了现代人工智能技术中有关统计学习的重要问题。内容包括经典频繁主义和贝叶斯推断、重采样方法、大规模假设检验、正则化和高维建模。

5、ARIN7102 应用数据挖掘和文本分析

本课程从实际出发，让学生了解新一代的数据挖掘工具和技术，并展示如何使用其做出明智的决策。课程内容包括数据准备、特征选择、关联规则、决策树、分组、随机森林和梯度提升、聚类分析、神经网络、文本挖掘入门。

6、COMP7404 计算智能与机器学习

本课程将教授一系列广泛的原理和工具，为使用人工智能（AI）和机器学习（ML）解决问题提供数学、算法和哲学框架。

7、DASC7606 深度学习

本课程将涵盖深度学习及其应用的伦理意义，并重点介绍如何应用深度神经网络解决自然语言处理和图像处理等领域的各种问题。课程还将涉及金融预测、游戏和机器人等其他应用。课程主题包括线性回归和逻辑回归、人工神经网络及其训练方法、循环神经网络、卷积神经网络、生成模型、深度强化学习和无监督特征学习。

二、选修课程

学生需要从以下列表中各选至少 6 个学分的课程：

1、列表 A：

ARIN7014 高级数值分析专题

ARIN7015 人工智能和机器学习专题

MATH7224 高级概率论专题

MATH7502 应用离散数学专题

MATH7503 高级优化专题

2、列表 B：

STAT6011 计算统计与贝叶斯学习

STAT7008 数据科学编程

STAT8020 定量策略和算法交易

STAT8021 大数据分析

3、列表 C：

COMP7308 无人系统导论

COMP7309 量子计算和人工智能

COMP7409 机器学习在交易和金融中的应用

COMP7502 图像处理和计算机视觉

ARIN7017 人工智能和数据科学中的法律问题

以上就是香港大学AI硕士项目的基本课程设置，以及必修课程的主要内容。如果有同学在学习上述课程时出现问题，可以立即联系考而思的课程顾问。考而思能够为你安排一对一香港大学课程辅导，及时为你解答课程疑难问题，讲解重点难点，使你能更加深入地掌握课程内容，从而获得更好的课业成绩。