生成课程公告内容

课程公告：人工智能导论

课程概述
本课程系统介绍人工智能（AI）的基本概念、方法与应用，强调以“理性智能体”与“从数据中学习”的统一视角理解AI的核心问题与技术路径，涵盖搜索与规划、概率建模与推断、机器学习与深度学习、强化学习、自然语言处理与生成式模型的基础方法及其在现实情境中的风险与治理框架。[1]–[5] 同时，课程将引导学习者掌握负责任AI的基本原则与实践工具，以促进可靠、可解释且符合伦理规范的AI系统开发。[6]–[8]

学习目标（可测量）
完成本课程后，学习者应能够：
- 准确定义并比较“理性智能体”“符号主义”“统计学习”等核心概念，阐释其历史与方法论关系。[1][4]
- 分析典型问题（如路径规划、博弈、诊断）并选择合适的求解范式（启发式搜索、概率图模型、监督/无监督学习、强化学习）。[1][3][5]
- 以Python与主流库实现基础算法（如A*、朴素贝叶斯、逻辑回归、决策树、k-means、Q-learning、前馈神经网络），并对模型进行性能评估（准确率、AUC、F1、置信区间）。[2]–[5]
- 解释深度学习的关键机制（表示学习、正则化、优化、过拟合与泛化），并对小型数据集构建可复现实验流程（数据划分、交叉验证、超参数搜索、基准对比、可视化）。[2][3]
- 识别潜在风险（偏见、幻觉、对抗样本、隐私泄露、可迁移性不足），并依据AI风险管理与伦理规范提出缓解策略（数据治理、审计、模型卡、影响评估）。[6]–[8]

适合对象与先修要求
- 适合对象：希望系统入门AI的高年级本科生、研究生及产业技术人员。
- 数学基础：线性代数（向量/矩阵运算、特征分解）、概率与统计（条件概率、贝叶斯公式、极大似然）、微积分（偏导、链式法则）。[3][4]
- 编程基础：Python，建议具备NumPy、Pandas、Matplotlib等基础；将使用scikit-learn与至少一种深度学习框架（PyTorch或TensorFlow）进行实践。[2][3]
- 计算环境：现代浏览器与稳定网络；建议本地安装Python 3.10+或使用在线Notebook环境。

课程结构与模块
- 模块1：AI范式与智能体框架（问题刻画、理性决策；搜索与规划概述）[1]
- 模块2：启发式搜索与约束求解（A*、一致代价、局部搜索、约束传播）[1]
- 模块3：不确定性与概率推断（贝叶斯网络、马尔可夫模型、近似推断）[1][3]
- 模块4：机器学习基础（监督/无监督学习、偏差—方差、评估与验证）[3][4]
- 模块5：深度学习入门（网络结构、优化、正则化、表示学习）[2]
- 模块6：强化学习基础（马尔可夫决策过程、动态规划、时序差分、策略改进）[5]
- 模块7：自然语言处理与生成式模型概览（分布式表示、序列建模、基础生成方法）[2][3]
- 模块8：负责任AI与风险治理（公平性、可解释性、鲁棒性、隐私、合规框架与工具）[6]–[8]

教学与互动方式（在线）
- 微课视频与可交互笔记本：每个模块配套代码沙箱、渐进式练习与自动化单元测验。
- 编程作业与小型项目：聚焦从问题建模到评估复现的完整流程，强调可重复性与实验记录。
- 讨论区与同侪评审：围绕方法选择、误差分析与复现实证开展结构化讨论。
- 助教与教师在线答疑：定期举办实时问答与项目辅导（具体时间与入口以课程平台公告为准）。

评估与学术规范
- 评估构成：单元测验、编程作业、期末小项目与课堂参与。具体权重与评分细则以课程大纲为准。
- 学术诚信：严格禁止抄袭与不当协作；需提交可运行代码与实验记录，关键结果应可重复。
- 生成式AI的合规使用：允许在明确标注的条件下用于资料搜集与草稿启发，但核心建模、实现与分析须为独立完成；需在报告中披露使用范围与工具版本，并进行事实核验与偏差检查。[6]–[8]

学习资源与参考书目
- 主参考：
  [1] S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 4th ed., Pearson, 2020.
  [2] I. Goodfellow, Y. Bengio, and A. Courville, Deep Learning, MIT Press, 2016.
  [3] K. P. Murphy, Probabilistic Machine Learning: An Introduction, MIT Press, 2022.
  [4] C. M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006.
  [5] R. S. Sutton and A. G. Barto, Reinforcement Learning: An Introduction, 2nd ed., MIT Press, 2018.
- 规范与治理：
  [6] National Institute of Standards and Technology (NIST), Artificial Intelligence Risk Management Framework (AI RMF 1.0), 2023. https://doi.org/10.6028/NIST.AI.100-1
  [7] OECD, Recommendation of the Council on Artificial Intelligence, 2019. https://legalinstruments.oecd.org/en/instruments/OECD-LEGAL-0449
  [8] Association for Computing Machinery (ACM), Code of Ethics and Professional Conduct, 2018. https://www.acm.org/code-of-ethics

技术与平台要求
- 运行环境：Python 3.10+，Jupyter Notebook或等效在线环境。
- 主要库：NumPy、Pandas、Matplotlib/Seaborn、scikit-learn；深度学习模块建议安装PyTorch或TensorFlow（版本以课程大纲为准）。
- 数据与版本控制：提供小型教学数据集；鼓励使用Git进行版本管理与实验追踪。

可访问性与支持
- 课程材料提供字幕与可下载文本；如需学习便利措施，请通过课程平台提交申请，教学团队将提供合理支持。

开课与报名信息
- 课程即将上线；具体开放时间、报名方式与同步活动安排将于教学平台主页发布。请关注课程公告以获取最新信息与大纲更新。

我们期待与各位共同构建以证据与责任为基础的AI学习旅程，强调严谨方法、可复现实证与社会价值的综合统一。

Course Announcement: DataViz 101

DataViz 101 is an evidence-based introduction to the principles and practice of data visualization. The course integrates findings from perceptual psychology and design science to develop learners’ capacity to select, construct, and evaluate visual representations that are accurate, efficient, and ethically sound. Empirical research shows that certain graphical encodings support more precise judgments than others (Cleveland & McGill, 1984; Ware, 2021), while established design principles help reduce cognitive load and avoid distortion (Munzner, 2014; Tufte, 2001). The course emphasizes clarity, truthfulness, and audience-centered communication (Cairo, 2016; Few, 2012).

Learning outcomes
By the end of the course, learners will be able to:
- Diagnose analytical and communicative goals and match them to effective visual encodings and chart types (Cleveland & McGill, 1984; Munzner, 2014).
- Apply perception-informed design principles (e.g., preattentive features, color and form, Gestalt grouping) to improve interpretability (Ware, 2021).
- Construct clear bar, line, scatter, small-multiple, and distributional displays with appropriate scales, annotations, and uncertainty cues (Munzner, 2014; Few, 2012).
- Evaluate and revise visualizations to reduce clutter, avoid misleading transformations, and improve signal-to-noise ratio (Tufte, 2001).
- Design accessible and inclusive visuals, including color-vision-safe palettes and alternative encodings (Ware, 2021).
- Communicate analytical findings responsibly, including data provenance, limitations, and ethical considerations in representation (Cairo, 2016).

Who should enroll
- Analysts, researchers, policy professionals, and students seeking a rigorous foundations course.
- No prior coding experience is required. Basic familiarity with spreadsheets and descriptive statistics (e.g., mean, median, distributions) is recommended.

Course structure and assessments
- Six modules with weekly milestones:
  1) Foundations: tasks, encodings, and perception
  2) Comparative displays and distribution plots
  3) Color, typography, and layout for cognition and accessibility
  4) Time series, part-to-whole, and multivariate displays
  5) Mapping and spatial reasoning; choropleths and proportional symbols
  6) Narrative visualization, uncertainty, and ethical communication
- Assessments:
  - Auto-graded knowledge checks to reinforce key concepts
  - Applied labs producing reproducible visuals from real datasets
  - Peer critique using structured rubrics grounded in research
  - Capstone project: a concise analytical brief with a small set of publishable figures

Tools and resources
- Learners may choose one of the following toolpaths:
  - Spreadsheet and Tableau Public
  - Python (pandas, matplotlib, seaborn)
  - R (ggplot2)
- An orientation module provides installation guides, datasets, and style templates.
- All datasets are curated for pedagogical clarity and ethical use; data sources and licenses are documented for citation in deliverables.

Academic integrity and citation
- Visualizations must include sources, units, and time coverage. When reusing designs or code, provide proper attribution. The course adopts APA 7th ed. for written components; figure notes follow discipline norms for data visualization.

Getting started
- On day 1, complete the orientation checklist, verify software setup, and attempt the readiness quiz.
- Early engagement in the discussion forum is encouraged to establish peer feedback channels for critique and revision.

References (APA 7th)
- Cairo, A. (2016). The truthful art: Data, charts, and maps for communication. Berkeley, CA: New Riders.
- Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554.
- Few, S. (2012). Show me the numbers: Designing tables and graphs to enlighten (2nd ed.). Burlingame, CA: Analytics Press.
- Munzner, T. (2014). Visualization analysis and design. Boca Raton, FL: CRC Press.
- Tufte, E. R. (2001). The visual display of quantitative information (2nd ed.). Cheshire, CT: Graphics Press.
- Ware, C. (2021). Information visualization: Perception for design (4th ed.). Burlington, MA: Morgan Kaufmann.

We look forward to your participation in DataViz 101 and to supporting your development of rigorous, high-impact visual analysis and communication.

Anuncio del curso: Gestión de Proyectos — Enfoque Práctico (项目管理实操)

Estimados/as participantes:

Nos complace anunciar la apertura del curso “Gestión de Proyectos — Enfoque Práctico”, diseñado para desarrollar competencias aplicadas en la planificación, ejecución, seguimiento y cierre de proyectos, con base en estándares internacionales y prácticas validadas por la disciplina (PMI, 2021; ISO, 2020; AXELOS/PeopleCert, 2023; IPMA, 2015).

Propósito del curso
- Capacitar a las y los participantes para seleccionar enfoques predictivos, ágiles o híbridos conforme al contexto, definir un plan de dirección del proyecto accionable y ejecutar el control del desempeño con indicadores y evidencias verificables, en coherencia con los lineamientos de referencia del campo (PMI, 2021; ISO, 2020).

Resultados de aprendizaje (al finalizar, la persona será capaz de)
- Formular y validar el caso de negocio y el Acta de Constitución del Proyecto, explicitando objetivos, restricciones y supuestos (PMI, 2021; ISO, 2020).
- Estructurar el alcance con una EDT/WBS y criterios de aceptación trazables a los entregables.
- Elaborar un cronograma basado en red de precedencias y ruta crítica, y construir la línea base de costos y la curva S.
- Implementar seguimiento del desempeño con Gestión del Valor Ganado (EV, PV, AC; índices CPI y SPI) y proyecciones EAC justificadas metodológicamente (PMI, 2019).
- Identificar y tratar riesgos con un enfoque sistemático de análisis y respuesta, alineado con guías internacionales (ISO, 2018; PMI, 2021).
- Diseñar un plan de involucramiento de interesados y un sistema de comunicaciones con artefactos y cadencias definidas.
- Integrar prácticas ágiles (p. ej., tableros Kanban, backlog priorizado) en marcos híbridos cuando el grado de incertidumbre lo amerite (PMI, 2021; AXELOS/PeopleCert, 2023).

Público objetivo
- Profesionales que gestionan proyectos en sectores públicos o privados, PMO, líderes de equipo y responsables de procesos que requieren estandarización y evidencia de control.

Enfoque pedagógico y actividades clave
- Aprendizaje basado en proyectos: desarrollo progresivo de un proyecto guía con entregables evaluables.
- Estudios de caso y simulaciones de control del proyecto (análisis de variaciones, decisiones de replanificación).
- Prácticas con herramientas: hoja de cálculo para EVM y presupuestos; software de cronograma (alternativas compatibles); tableros Kanban.
- Retroalimentación experta y evaluación entre pares con rúbricas transparentes.

Estructura temática
- Módulo 1. Fundamentos y contexto: principios, gobernanza y selección del ciclo de vida (PMI, 2021; ISO, 2020).
- Módulo 2. Alcance, cronograma y costos: EDT/WBS, red de actividades, ruta crítica, presupuestos y línea base.
- Módulo 3. Riesgos, calidad y adquisiciones: identificación, análisis cualitativo/cuantitativo, planes de respuesta; criterios de calidad; enfoques de contratación.
- Módulo 4. Desempeño y control: métricas, tableros, Gestión del Valor Ganado y reportes ejecutivos (PMI, 2019).
- Módulo 5. Interesados, comunicaciones y enfoques ágiles/híbridos: involucramiento, cadencias, integración de prácticas ágiles (AXELOS/PeopleCert, 2023).

Entregables evaluables
- Acta de constitución y caso de negocio.
- EDT/WBS y diccionario de la EDT.
- Cronograma con diagrama de red y Gantt; línea base de costos y curva S.
- Registro y matriz de riesgos con estrategias de respuesta.
- Plan de comunicaciones e involucramiento de interesados.
- Informe de desempeño con EVM (EV, PV, AC; CPI, SPI) y recomendaciones EAC.

Criterios de evaluación
- Exactitud técnica y alineación con estándares (40%).
- Coherencia y trazabilidad entre artefactos (30%).
- Aplicabilidad práctica y claridad de la argumentación (20%).
- Colaboración y revisión entre pares (10%).

Requisitos y recursos
- Conocimientos básicos de gestión o experiencia profesional deseable.
- Acceso a hoja de cálculo y conexión estable a Internet. Se sugerirán opciones de software de planificación compatibles y de bajo costo.
- Lecturas obligatorias y complementarias provistas en el aula virtual, con guía de estudio y plantillas descargables.

Certificación
- Certificado de aprobación condicionado al cumplimiento de entregables y criterios de evaluación definidos. El curso se alinea con buenas prácticas internacionales, sin constituir preparación oficial para un examen específico.

Próximos pasos
- La información logística (fechas de inicio, sesiones síncronas y enlaces de acceso) se publicará en el aula virtual. Se recomienda revisar con antelación las lecturas indicadas y descargar las plantillas base.

Referencias (estilo APA 7.ª edición)
- AXELOS & PeopleCert. (2023). Managing Successful Projects with PRINCE2 (7th ed.).
- International Organization for Standardization. (2018). ISO 31000:2018 Risk management—Guidelines.
- International Organization for Standardization. (2020). ISO 21502:2020 Project, programme and portfolio management—Guidance on project management.
- IPMA. (2015). Individual Competence Baseline for Project, Programme & Portfolio Management (ICB4).
- Project Management Institute. (2019). The Standard for Earned Value Management.
- Project Management Institute. (2021). A Guide to the Project Management Body of Knowledge (PMBOK Guide) (7th ed.).

Agradecemos su interés y compromiso con la excelencia en la gestión de proyectos. Esperamos contar con su participación activa en esta edición.