澳 門 科 技 大 學
人工智能博士學位課程–科目簡介
必修科目
diaz12學術專題項目（2 學分）
本課程旨在拓展學生視野，通過學術研讨会等方式讓學生面對面交流，獲得更多人工智能等最新知識。
diaz01人工智能原理（3 學分）
人工智能是研究如何用計算機軟件和硬件去實現人類的智能，即如何感知並作用於外部環境。本課程在系統論述人工智能的发展史及其研究體系的基礎上，將其基本原理梳理為求解、規劃、學習與推理這四大部分。本科目重點講述如下三個部分：
1) 搜索問題、優化問題、博弈問題、以及約束問題等问题求解方法；
2) 自動規劃、運動規劃、決策理論規劃等人工智能規劃方法；
3) 知識表徵方法及其推理機制。
而學習部分將放在《機器學習》科目中講述。
diaz02機器學習（3 學分）
機器學習是人工智能的一部分。本科目系统论述其发展历史、基礎學科，論述研讀機器學習的難點與要點，在此基礎上，從理論“框架”、算法“範式”、抽象“任務”這三個視角详细地讲述機器學習。主要內容如下：
- 概率、统计、几何、联结、符号、以及行为理論框架；
- 監督學習、無監督學習、強化學習这三大范式。还涉猎遷移學習、元學習等；
- 分類、聚類、降維、回歸、關聯、決策等抽象任务。
diaz11文獻綜述與選題報告（2 學分）
本課程旨在指導學生瞭解人工智能領域的研究現狀，通過文獻綜述的方式幫助學生更好的瞭解本領域中待解決的問題以及可能的解決方案，以指導學生更好的選擇研究方向，完成博士研究課題的選題設定。
diaz13論文（18 學分）
本課程是論文指導老師與學生進行一對一的指導，向學生傳授撰寫學術論文的基本步驟、論文課題的選取、文獻綜述、研究方法的選擇、結論以及未來研究方向的把握等。學生在導師幫助下，可以從應用數學、數據挖掘、機器學習等研究方向進行選題並最終完成一篇經過導師確認的專業學位論文。
選修科目 elective courses
diae01深度學習（3 學分）
本課程面嚮研究生系統性的介紹深度學習的基本原理與理論體系，幫助研究生形成對深度學習理論全面和深入的瞭解。課程覆蓋的主要内容包括：深度學習的數學基礎、前饋神經網絡、捲積神經網絡、正則化與優化問題、循環神經網絡、自編碼器、表示學習、結構化概率模型、生成模型等，並介紹深度學習的一些代表性應用實例。
diae02計算機視覺（3 學分）
本課程從經典方法和深度學習模型兩個方面入手介紹計算機視覺的理論基礎和研究方法框架。其中經典計算機視覺包括手工特徵學習方法、三維物理世界到二維圖片平面的投影變換等技術；深度學習相關的計算機視覺則會介紹目前基于深度神經網絡模型的最前沿的理論技術，同時對常見的計算機視覺任務如圖像分類、物體檢測、行爲識別等也會進行概述。學生根據所學內容，選讀相關論文幷給出相應報告。
diae03自然語言處理（3 學分）
本課程的主要內容包括： 1) 自然語言處理的數學基礎，n元語法模型、概率生成/判別模型、詞向量模型等；2) 自然語言處理的語言學基礎、拼寫規則、詞性、語義消岐、概率句法分析等；3) 自然語言處理的應用，如文本的分類與聚類、情感分析、資訊檢索、機器翻譯、對話系統等。
diae04算法與計算複雜性（3 學分）
本課程旨在介紹算法的分析與設計原理。内容包括：算法分析、分治策略、動態規劃、貪婪算法、圖算法、最大流問題、概率分析及隨機算法等。
diae05數字圖像處理（3 學分）
本課程旨在介紹數字圖像處理的基本原理、方法及應用。內容包括數字圖像的預處理、空域和時域的變換及濾波、數據編碼壓縮、特徵描述子設計及提取等基本方法。同時介紹了傳統的統計模式識別，結構模式識別方法，幷用實際案例闡述了其在不同領域中的應用。學生應根據所學內容，選讀相關論文幷給出相應報告。
diae06人工智能專題（3 學分）
本課程旨在拓展學生視野，讓學生瞭解人工智能領域的最近進展、應用趨勢和產業發展規律。