一步数据分析提供基础，从这个意义上，大多数数据预处理方式、样本统计特 征也属于这样的范畴。 (8)半监督学习针对的训练数据既包括标注数据也包括未标注数据。所谓 半监督学习就是让算法不依赖于外部交互、自动利用未标记样本来提升“标注 样本”训练的模型效果。 (9)强化学习(reinforcement1 earning.L)一定程度上是模拟人话应 环境的过程，即通过和环境的交互，获得环境的“奖励”和“惩罚”反馈，然 后调整自己的行为，如此反复，最后形成一个“智能体”。强化学习的目标是使 得“交互回报”最大化，它和非监督学习的关键部分都是回报的选择。 4.思政元素融入：通过案例介绍大数据在经济金融领域的应用。本章主要使 学生了解大数据作为重要的技术变革，对于我国各行各业的重要影响，尤其是在 经济金触领嫩的创新应用，让学生对我国基于经济和人口规模的数据存量和数 据挖据潜力的优势有所认识，并通过介绍阿里巴巴、京东等公司的大数据平台案 例，使学生意识到大数据时代可能的不利因素，如隐私泄露、大数据杀熟等。 融入方式：课堂讨论，师生互动，pt演示 (三)思考与实践 1大数据杀孰？个人隙私册露？ (四)教学方法与手段 课堂讲授、多媒体教学、课堂讨论。 第七章人工智能、深度学习与自然语言处理 (一)目的与要求 本章将从首先从理论上梳理人工智能的定义、分类、发展历史，之后对于 人工智能最新进展的深度学习、自然语言处理两个单元进行系统介绍。通过本 章学习，可以掌握人工智能的发展、深度学习的历史沿革、主要分类与应用场 景，自然语言处理的分类与应用场景。 (二)教学内容 1.内容摘要 第一节主要介绍人工智能，根据罗素(Stuart Russell)和诺维格(Peter Norvig)在《人工智能：一种现代的方法》一书所给出的定义：人工智能是指 是研究理解和模拟人类智能、智能行为及其规律的一门学科。人工智能可以分 为符号主义、行为主义、连接主义三大学派。 第二节聚焦深度学习，深度学习是机器学习的分支，是一种以多层人工神 11 11 一步数据分析提供基础，从这个意义上，大多数数据预处理方式、样本统计特 征也属于这样的范畴。 （8）半监督学习针对的训练数据既包括标注数据也包括未标注数据。所谓 半监督学习就是让算法不依赖于外部交互、自动利用未标记样本来提升“标注 样本”训练的模型效果。 （9）强化学习（reinforcement learning, RL）一定程度上是模拟人适应 环境的过程，即通过和环境的交互，获得环境的“奖励”和“惩罚”反馈，然 后调整自己的行为，如此反复，最后形成一个“智能体”。强化学习的目标是使 得“交互回报”最大化，它和非监督学习的关键部分都是回报的选择。 4.思政元素融入：通过案例介绍大数据在经济金融领域的应用。本章主要使 学生了解大数据作为重要的技术变革，对于我国各行各业的重要影响，尤其是在 经济金融领域的创新应用，让学生对我国基于经济和人口规模的数据存量和数 据挖掘潜力的优势有所认识，并通过介绍阿里巴巴、京东等公司的大数据平台案 例，使学生意识到大数据时代可能的不利因素，如隐私泄露、大数据杀熟等。 融入方式：课堂讨论，师生互动，ppt 演示 （三）思考与实践 1. 大数据杀熟？个人隐私泄露？ （四）教学方法与手段 课堂讲授、多媒体教学、课堂讨论。 第七章 人工智能 、深度学习与自然语言处理 （一）目的与要求 本章将从首先从理论上梳理人工智能的定义、分类、发展历史，之后对于 人工智能最新进展的深度学习、自然语言处理两个单元进行系统介绍。通过本 章学习，可以掌握人工智能的发展、深度学习的历史沿革、主要分类与应用场 景，自然语言处理的分类与应用场景。 （二）教学内容 1.内容摘要 第一节主要介绍人工智能，根据罗素(Stuart Russell)和诺维格（Peter Norvig）在《人工智能：一种现代的方法》一书所给出的定义：人工智能是指 是研究理解和模拟人类智能、智能行为及其规律的一门学科。人工智能可以分 为符号主义、行为主义、连接主义三大学派。 第二节聚焦深度学习，深度学习是机器学习的分支，是一种以多层人工神