IS6423 - Artificial Intelligence for Business Applications
内容状态｜历史经验待复核
状态标记： 2026-07-26
当前用途： 保留往届课程结构、考核方式、教师信息与学生评论作为历史经验。
使用边界： 课程是否开设、任课教师、考核比例、名额与注册方式尚未按 2026/27 当期 AIMS／Master Class Schedule 逐项复核；选课前必须以官方系统、项目通知和课程教师说明为准。
官方课程资料
链接核验： 2026-07-30。固定目录中的 202627 是 Catalogue 路径；课程页的 Course Offering Term 与 PDF 的 Effective Term 需要分别阅读，实际开课、名额和任课教师仍以当期 Master Class Schedule、AIMS 与项目通知为准。
本页更新： 补充课程网页、官方 PDF 与课表查询直链；保留原教师资料并增加当前任课边界。
授课教师：
任课信息提示（2026-07-30）： 以下名单来自本站往届课程资料；公开课程页没有列出 2026/27 本学期分班任课教师，因此保留供参考，不作为当前任课确认。请以 Master Class Schedule、AIMS、Canvas 或项目通知为准。
新增人工智能相关课程
无可用额外参考信息，欢迎结课后前往Navigator留下课程评论！
课程目标
This Master-level course explores the practical applications of Artificial Intelligence (AI) in the context of business. Students will learn how to leverage these techniques and models to solve complex business problems, optimize processes, enhance decision-making, and drive innovation. The course will cover theoretical foundations, hands-on practical exercises, and case studies to provide students with a comprehensive understanding of AI techniques and their impact on business strategies.
课程考核
来自考核文件
实际考核内容应当以教师在课程中公布为准，此处仅为参考
| 平时性考核 | 最终考核 | ||
|---|---|---|---|
| 课堂参与度 | 10% | 期末考试 | 50% |
| 小组项目 | 40% | ||
课程考核文件链接：IS6423
社区讨论
提问、纠错与补充经验
请勿上传学号、成绩单、签证、联系方式或未公开课件；时效信息请附官方来源和适用学年。历史讨论
往届评论原样归档
俊明我们喜欢你
老师说要考的都会考，这次没考GNN，不知道下次考不考，一共有12个题目，有计算题，可能要记一下老师说过要考的题的公式，上课一定要注意听课
Ann构建一个XOR function/Dropout的作用和运作方式，为什么能实现正则化/lstm gru rnn对比/ lstm里的cell state是怎么得出来的/cnn计算kernel/计算NDCG/画出nested cv pipeline，并解释
24fall SemB 新开的课程，主要讲深度学习，授课老师是IS6400的LiuJunming教授，没有基础的不建议选。老师第一节会用课程难度劝退学生，因为是新课，后续上课老师一直询问我们课程难度以及是否需要调整。老师讲课很认真，时间控制一流，前两节课是lecture，后半节课讲tutorial，剩下半节课可做作业可离开，认真学还是能学到不少东西。平时不学的话，期末需要花比较多的时间，期末考建议投闭卷考。
Final exam：闭卷，可带1张A4的cheat sheet，双面可打印可手写，考试范围是lecture+tutorial+assignment，
一共12道题，涉及概念解释、代码解释、计算等。以下是部分考试内容，全靠记忆，仅供参考，没考GNN，个人感觉老师在尽量降低考试难度，有一些基本的概念题送分。
Eg
• XOR function是如何用神经网络实现的？
• Dropout是怎么实现regularization的？
• RNN，LSTM, GRU的区别？
• LSTM是如何更新cell state的?
• 什么是word2vec？
• CNN是怎么实现的？
• 解释一个 simple CNN代码，包含features和classifier
• CNN的kernal计算
• NDCG的计算
• Pipeline of nested-cross validation，是怎么实现调参以及模型评价的?
继续讨论
提问、纠错或补充经验