密集項目：人工智能 強化學習與智能交通：AI指引未來出行 基于深度學習與數據分析的智能交通解決方案——以自動駕駛、網約車調度優(yōu)化為例

專業(yè)：人工智能,計算機科學

項目類型：全球華人導師-香港

開始時間：2024年10月26日

是否可加論文：是

項目周期：4周在線小組科研+2周論文指導

語言：中文

有無剩余名額：名額充足

建議學生年級：大學生 高中生

是否必需面試：否

適合專業(yè)：計算機科學軟件工程機器學習計算機工程深度學習人工智能數據結構與算法編程語言計算機網絡交通工程

地點：無

建議具備的基礎：對人工智能、智能交通、生成式AI、計算機科學、機器學習等感興趣的學生；建議具備編程或python基礎（先導課）

產出：4周【在線小組科研+全球就業(yè)力大師課】+2周論文指導，共126課時 1500字左右的項目報告 優(yōu)秀學員獲得主導師推薦信（8封網推） 項目結業(yè)證書 EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等級別索引國際會議全文投遞與發(fā)表指導或者CNKI檢索的英文普刊全文投遞與發(fā)表指導

項目背景：智慧交通是以互聯網、物聯網等網絡組合為基礎，以智慧路網、智慧裝備、智慧出行、智慧管理為重要內容的交通發(fā)展新模式，具有信息聯通、實時監(jiān)控、管理協同、人物合一的基本特征。通過高新技術匯集交通信息，提供實時交通數據下的交通信息服務。大量使用了數據模型、數據挖掘等數據處理技術，實現了智慧交通的系統性、實時性、信息交流的交互性以及服務的廣泛性。

項目介紹：本課程將深入探討了人工智能（AI）在工程領域特別是智能交通領域的應用。學生將系統學習AI概念、機器學習算法，以及它們在智能交通系統中的具體應用。課程包括以下幾個部分：1. 機器學習基本概念與經典算法，包括數據預處理與清洗、監(jiān)督學習與非監(jiān)督學習、分類問題與回歸問題、強化學習、梯度下降與牛頓法等。2. 深度學習技術：包括人工神經網絡、多層感知機、循環(huán)神經網絡、卷積神經網絡等，及它們在自然語言處理、圖像處理、自動駕駛、智能交通等領域的應用。3. 智能交通系統應用：探討AI在交通信號優(yōu)化、自適應交通控制、事故檢測、網約車系統優(yōu)化、自動駕駛中的應用。通過學習本課程，學生將能夠全面了解AI的基礎知識及其在智能交通中的應用，為將來從事相關領域的研究和工作打下堅實的基礎。

項目大綱：人工智能與機器學習介紹：人工智能基本概念、人工智能歷史、人工智能常見應用、人工智能常用軟件與數據、監(jiān)督學習與非監(jiān)督學習、分類問題與回歸問題、強化學習 機器學習經典算法：數據預處理與清洗、機器學習算法評價指標、損失函數、欠擬合與過擬合問題、梯度下降與牛頓法 神經網絡算法簡介：人工神經網絡、多層感知機、激活函數、鏈式法則與反向傳播算法、循環(huán)神經網絡（RNN）、長短時記憶網絡（LSTM） 自然語言處理與大模型：自然語言處理應用、Transformer and BERT、GPT and ChatGPT、強化學習與人類反饋（RLHF）、其他大模型 深度學習與圖像處理：圖像處理基礎知識、卷積神經網絡（CNN）、LeNet, GoogLENet, VGG, ResNet, DenseNet、深度學習在智能交通領域的應用、自動駕駛系統中的深度學習 項目答辯與點評：學生項目匯報與答辯、評價和指導