【课程简介】

本课程深入剖析模型训练与推理的全流程，并介绍多种学习范式的原理与应用场景。课程首先阐述训练与推理的本质区别：训练是通过数据学习、调整参数以最小化损失函数的过程，依赖大量计算资源与标注数据；推理则是利用训练好的模型对新数据进行预测，注重效率与实时性。在此基础上，课程系统梳理监督学习、无监督学习、半监督学习、自监督学习、迁移学习、强化学习及对抗学习等主流训练方式，解析其核心逻辑、数据要求与适用任务，帮助学习者理解如何根据实际场景选择合适的学习范式

【授课专家】

乔媛媛 北京邮电大学

美国麻省理工学院访问学者，教育部强国行专项行动团队负责人。在复杂数据分析领域深耕多年，科研成果已在各省市得到应用，获得省部级科学技术进步奖2项。获得全国高校人工智能教育大会优秀案例特等奖，全国电信类高校教师智慧教学案例一等奖，北京青教赛二等奖、最受学生欢迎奖等。主编《人工智能导论（文科版）》《人工智能导论（通识版）》中英双语数字教材，青少年科普教材《人工智能核心-神经网络》等。