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(shù)據(jù)分析的智能交通解決方案——以自動駕駛、網(wǎng)約車調(diào)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(shù)據(jù)結(jié)構(gòu)與算法編程語言計算機網(wǎng)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(chǎn)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(wǎng)推） 項目結(jié)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(lián)網(wǎng)、物聯(lián)網(wǎng)等網(wǎng)絡組合為基礎，以智慧路網(wǎng)、智慧裝備、智慧出行、智慧管理為重要內(nèi)容的交通發(fā)展新模式，具有信息聯(lián)通、實時監(jiān)控、管理協(xié)同、人物合一的基本特征。通過高新技術(shù)匯集交通信息，提供實時交通數(shù)據(jù)下的交通信息服務。大量使用了數(shù)據(jù)模型、數(shù)據(jù)挖掘等數(shù)據(jù)處理技術(shù)，實現(xiàn)了智慧交通的系統(tǒng)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(tǒng)學習AI概念、機器學習算法，以及它們在智能交通系統(tǒng)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(jīng)典算法，包括數(shù)據(jù)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(shù)：包括人工神經(jīng)網(wǎng)絡、多層感知機、循環(huán)神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)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(tǒng)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(wǎng)約車系統(tǒng)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(shù)據(jù)、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(jīng)典算法：數(shù)據(jù)預處理與清洗、機器學習算法評價指標、損失函數(shù)、欠擬合與過擬合問題、梯度下降與牛頓法 神經(jīng)網(wǎng)絡算法簡介：人工神經(jīng)網(wǎng)絡、多層感知機、激活函數(shù)、鏈式法則與反向傳播算法、循環(huán)神經(jīng)網(wǎng)絡（RNN）、長短時記憶網(wǎng)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(jīng)網(wǎng)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(tǒng)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