Introduction to Artificial Intelligence and Data Analytics in Aerospace and Aviation Engineering

课程简介

本课程涵盖以下主题。 统计学习的基础和要素——变量类型、术语、统计决策理论、统计模型。 航天、航空与民航工程中模型的本质与选择简介——回归、分类、平滑方法、模型评估与选择、模型推断与平均、决策树、神经网络、原型方法、最近邻。 航天、航空与民航工程中监督学习概述——线性模型、最小二乘法、最近邻方法、结构化回归模型。 航天、航空与民航工程中无监督学习概述——关联规则、聚类分析、独立成分分析、随机森林。 卫星与航天工程中人工智能技术案例研究——SpaceX及其人工智能能力，人工智能技术在轨道载具中的应用，GNSS定位误差，卫星图像中人工智能的简要介绍，火星着陆的简要介绍，太空技术及其全球影响和对人类连续性和深空研发的贡献。 航空工程中人工智能技术案例研究——UAS概念，无人机路径规划，自主飞行的简要介绍，人工智能在航空系统中的应用及其对社会可持续性、城市空中交通和智慧城市的影响。 民航工程中人工智能技术案例研究——延误及延误传播预测，航线网络分析，安全分析，理解航空安全和航空公司社会责任的重要性。 数据合规性，数据分析中的伦理问题，处理敏感数据、企业数据和客户资料——非披露协议的重要性，保护数据及其分析结果免受未授权或授权使用带来的意外或预期后果，人权和隐私（例如航空摄影、航空公司客户数据泄露、未经授权使用乘客行为数据进行促销）。 法律和伦理考量在航天与航空工程中的人工智能——国际民航组织（ICAO）、民航管理机构和适航性的全球立法和安全考虑，太空探索中的人类平等，意外事件、事故和事件的责任，以及人工智能使用中的偏见。

学习目标

1. 航天、航空与民航工程中智能自动化和人工智能的基本概念和技术概览及介绍； 2. 数据分析在智能自动化和人工智能领域的应用； 3. 智能自动化和人工智能中的运营挑战、技术限制、新兴技术和未来发展方向。

先修要求

无

教学模式

1. 电子学习模块：由香港理工大学计算机系开发；包括阅读材料、练习、评估、观看视频、课后练习以及使用AIDA互动游乐场的实验室；必须在前七周内完成。 2. 课程讲授：传授机器学习、数据挖掘、数据分析、数据驱动优化以及航空和机场运营中的人工智能基础知识。 3. 实验室：使学生掌握数据挖掘、软计算、优化和解决航天航空与民航工程问题中的人工智能基础知识。 4. 小组项目：涉及文献研究、方法论研究、数据分析、研究成果的传播、报告撰写和展示的迷你项目。