授课教师：210097

总学时：36

课程教材：[美］奥斯瓦尔德·坎佩萨编著. 人工智能和深度学习导论（Artificial Intelligence，MachineLearning and Deep Learning) 人民邮电出版社, 2024.12

先修课程：线性代数、概率统计、程序设计

主要参考书目：

1. 特雷弗·哈斯蒂、罗伯特·蒂布希拉尼、杰罗姆·弗里德曼 著, 统计学习的要素：

[1]. 数据挖掘、推理和预测 (The Elements of Statistical Learning: Data Mining, Inference, and Prediction). 施普林格(Springer)出版社, 2009.02

[2]. 2. 杰克·范德普拉斯 编著, Python数据科学手册. 奥莱利媒体（O'Reilly Media）出版社, 2017.03

课程内容简介（中文）：《AI辅助材料设计》课程致力于探索人工智能与材料科学的深度融合，通过机器学习、深度学习和计算模拟等前沿技术，赋能新材料的发现与优化。课程内容涵盖理论和应用两个方面：理论上，重点介绍材料数据库构建与特征工程方法，解析不同模型的原理和应用，如线性方法、核方法、随机森林、神经网络等AI模型；应用上，重点介绍python工具在数据处理和模型搭建及优化中的应用，结合范例解析，并设计材料预测实战案例，指导学员利用Python工具链预测材料性能。课程面向材料、化学、计算科学等专业学生，无需深厚编程基础，通过“理论-工具-场景”闭环教学，助力学生突破传统研发模式，掌握智能驱动的材料研发全流程。

课程内容简介（英文）：