资源介绍
视频数量：54个
总时长：3小时56分
课程介绍：
零基础人工智能入门课
你早上醒来，手机用人脸识别解锁；出门时地图自动避开拥堵；午休刷短视频，平台总能推来你感兴趣的内容；晚上写邮件，垃圾广告已经被悄悄丢进另一个文件夹。这些事看起来平常，背后却都有同一类技术在运转：人工智能。很多人觉得人工智能离自己很远，或者以为它只是工程师才需要懂的东西。其实，把它拆开来看，核心概念并没有那么吓人。这门课用54个短小视频，总时长3小时56分，从最基础的定义一路讲到真实项目，带你把这层神秘外衣掀开。
一、先弄清楚人工智能到底是什么：
课程第一个模块不急着写代码，而是先帮你建立地图。什么是人工智能？它需要人类智能吗？它怎么感知环境、推理信息、从经验里学习并采取行动？接着会回头看历史，从图灵提出疑问到今天的大模型热潮，人工智能经历过哪些起伏。然后落到现实场景：医疗影像、教育辅导、金融风控、娱乐推荐，这些领域里人工智能到底在做什么。你还会分清楚三个常被混用的词：狭义人工智能、通用人工智能、超级人工智能，以及人工智能、机器学习、深度学习之间的包含关系。最后有一个“是人工智能还是不是人工智能”的分类小游戏，用轻松的方式检验你有没有真的理解。
二、数学、逻辑与推理：不用怕，它们都有生活例子
第二个模块专门处理很多人一听就头疼的数学和逻辑。这里不会一上来甩公式，而是从数字、模式和决策讲起。你会看到向量和矩阵怎么被画出来，概率怎么用掷骰子、疾病诊断、垃圾邮件过滤来解释。统计学里的均值、方差、正态曲线也不再是课本符号，而是用来发现数据里的正常与异常，检测离群值，提高预测准确率。逻辑门部分讲与、或、非如何组合成决策规则，比如出勤率超过75%并且成绩超过40分才有考试资格，这就是一个再直观不过的例子。模块最后有一个“智能学生助手”小项目，让你把数学、概率和逻辑串起来用一次。
三、机器学习：人工智能到底怎么学习
第三个模块是整门课的重头戏。机器学习为什么是人工智能的核心？监督学习和无监督学习有什么不同？分类问题怎么用在垃圾邮件识别和疾病预测上？回归问题怎么预测考试成绩和房价？聚类又是怎么把一堆没有标签的数据自动分组？模型评估会告诉你，一个看起来准确的模型为什么也可能不靠谱。除了讲解，这里还有两个动手项目和实际操作演示，不是只让你看老师敲键盘，而是让你理解每一步在做什么。最后的知识检查会帮你确认，自己是真的懂了，还是只是听懂了。
四、神经网络：打开人工智能的大脑
第四个模块进入神经网络。你会先认识神经元，再理解层、权重和激活函数各自扮演什么角色。训练神经网络的过程会讲梯度下降和损失函数，简单说就是机器怎么从错误里调整自己。激活函数为什么重要，数据怎么一层层向前传递，这些都会用可视化方式展示。最直观的例子是MNIST手写数字识别，让神经网络认出你写的数字。这个模块也有动手项目和知识检查，帮你把抽象概念落地。
五、日常人工智能应用：它已经藏在你身边
第五个模块把视线拉回日常生活。计算机视觉部分讲人脸识别和OCR文字识别，语言部分讲翻译、情感分析和聊天机器人，推荐系统部分讲YouTube、亚马逊、Netflix怎么猜你喜欢。还会谈到人工智能在健康、治理、教育、金融里的用法，以及对话式人工智能和语音助手。学完这个模块，你再看到手机里的智能功能，会更容易判断它背后大概用了什么技术。
六、负责任的人工智能与未来准备
第六个模块讨论重要但容易被忽略的问题。人工智能偏见从哪里来？实践中常见的偏见有哪些类型？真实世界里出现过哪些人工智能失败案例？隐私、错误信息、工作影响又该怎么看？课程还会讲GDPR、可解释性和问责制这些规则和原则，并展望生成式人工智能、大语言模型和机器人技术的下一步。最后有一个迷你项目和一个知识检查，让你不仅会用，也知道边界在哪里。
七、最终项目：把学过的东西串起来
第七个模块是一个完整项目。它不会引入太多新知识，而是把前面六个模块的概念、方法、工具和思考方式整合到一起。你会看到从问题理解、数据处理、模型选择到结果解释的完整过程。做完这个项目，你对人工智能的认识就不再是零散名词，而是一条能走通的路径。
学完这门课，你不会立刻变成人工智能专家，但你会获得几样很实在的东西。第一，你能看懂大部分人工智能新闻，知道哪些说法是炒作，哪些是真进展。第二，你能理解机器学习、神经网络、分类、回归、聚类这些词到底指什么，不再被术语吓住。第三，你亲手做过几个小项目，知道一个模型从数据到结果大概要经过哪些步骤。第四，你会对偏见、隐私、责任这些议题保持警觉，而不是盲目相信机器。如果你是想转行的初学者，是产品经理、管理者、老师、学生，或者只是对人工智能好奇的普通人，这门课都适合作为第一站。