3.7 KiB
3.7 KiB
走进AI，让AI告诉我未来职业
1. 课程概述
本课程基于南开大学赵宏老师《人工智能与创新》课程探索4，以"AI职业预测"为项目主线，带领学习者从零开始，体验从数据准备 → 模型训练 → 应用构建的完整机器学习流程。
你将跟随一名大学生的视角，从对未来的迷茫与好奇出发，通过与AI的持续对话和动手实践，逐步理解AI职业预测的工作原理，并亲手构建一个能从数据中学习并预测职业倾向的AI系统。
2. 学习目标
通过本课程，您将：
- 理解AI预测的本质——数据驱动的经验归纳与模式匹配，而非神秘"玄学"
- 掌握与AI协作的方法——将模糊的问题转化为清晰、可执行的技术指令
- 体验完整的机器学习流程——从数据准备、模型训练到应用部署
- 亲手构建一个AI应用——从零实现"职业倾向预测系统"
3. 适合的学习者
- 零编程基础的高校学生，对AI充满好奇
- 希望了解机器学习入门流程的初学者
- 想体验"以用促学"实践式学习方法的自学者
4. 课程结构
| 章节 | 章节名称 | 主要内容 | 学习目标 |
|---|---|---|---|
| 1 | 激发——提出感兴趣的话题 | 观察AI职业预测现象，提出核心问题，理解探索路径 | 建立对AI职业预测的直观认知，明确学习目标 |
| 2 | 探索——发现问题本质 | 理解AI预测原理（数据驱动+模式匹配），拆解为数据准备、规律分析、应用设计三个层面 | 掌握将复杂问题分解为可执行步骤的思维方式 |
| 3 | 拓展——学习知识与技能 | 数据准备→生成模拟数据；规律分析→训练随机森林模型；应用开发→构建交互程序 | 掌握数据生成、模型训练、应用开发的基础实践 |
| 4 | 执行——动手解决问题 | 从社团推荐升级到职业预测，生成1500条职业数据，构建完整交互式预测系统 | 独立完成从数据到模型的完整AI应用构建 |
| 5 | 评价——反思与总结 | 评估模型效果，反思AI边界，总结"从问题到系统"的构建思维 | 形成可迁移的AI协作思维模式 |
5. 实操演练
本课程秉持 "做中学（Learning by Doing）" 原则，实践环节贯穿全课程。学习者将跟随课程进度，逐步构建自己的职业预测系统：
- 第3章：生成模拟社团推荐数据 → 训练分类模型 → 构建命令行交互程序
- 第4章：生成1500条职业预测数据 → 训练随机森林模型 → 构建完整职业预测系统
- 第5章：评估模型性能，反思AI工具的边界
6. 课程打卡指引
本项目采用 Issue 评论打卡 方式。完成每章任务后，在对应 Issue 下提交您的学习成果。
| 任务 | 名称 | 说明 |
|---|---|---|
| 任务1 | 📖 第1章学习打卡 | 提出你对AI职业预测的3个问题 |
| 任务2 | 📖 第2章学习打卡 | 用自己的话复述AI预测的核心原理 |
| 任务3 | 📖 第3章学习打卡 | 提交你生成的社团推荐数据及模型训练结果 |
| 任务4 | 📖 第4章学习打卡 | 提交你的职业预测系统运行截图 |
| 任务5 | 📖 第5章学习打卡 | 分享你的学习反思与收获 |
7. 共创与贡献
欢迎所有学习者参与贡献！
贡献方式：
- 提交 Issue 反馈问题或建议
- 提交 Pull Request 完善内容
- 分享您的学习经验
8. 许可说明
本课程暂无指定许可证。课程创建者可后续添加 LICENSE 文件。
推荐许可证选项：MIT / Apache 2.0 / CC BY-SA 4.0 / MulanPSL-2.0