This is MIT's introductory course on deep learning methods with applications to computer vision, natural language processing, biology, and more! Students will gain foundational knowledge of deep learning algorithms and get practical experience in building neural networks in TensorFlow. Course concludes with a project proposal competition with feedback from staff and panel of industry sponsors. Prerequisites assume calculus (i.e. taking derivatives) and linear algebra (i.e. matrix multiplication), and we'll try to explain everything else along the way! Experience in Python is helpful but not necessary.

This course introduces principles, algorithms, and applications of machine learning from the point of view of modeling and prediction. It includes formulation of learning problems and concepts of representation, over-fitting, and generalization. These concepts are exercised in supervised learning and reinforcement learning, with applications to images and to temporal sequences.
This course is part of the Open Learning Library, which is free to use. You have the option to sign up and enroll in the course if you want to track your progress, or you can view and use all the materials without enrolling.

Powered by the School Library Systems Association of New York and made possible in part through the Allison-Rosen Foundation, LibraryReady.AI is an initiative that aims to integrate artificial intelligence, media literacy, and information fluency into New York State's school libraries.  The goal is to prepare students for an increasingly digital and AI-driven world.

This course introduces students to machine learning in healthcare, including the nature of clinical data and the use of machine learning for risk stratification, disease progression modeling, precision medicine, diagnosis, subtype discovery, and improving clinical workflows.

Media Literacy in the Age of Deepfakes aims to equip students with the critical skills to better understand the past and contemporary threat of misinformation. Students will learn about different ways to analyze emerging forms of misinformation such as "deepfake" videos as well as how new technologies can be used to create a more just and equitable society. This module consists of three interconnected sections. We begin by defining and contextualizing some key terms related to misinformation. We then focus on the proliferation of deepfakes within our media environment. Lastly, we explore synthetic media for the civic good, including AI-enabled projects geared towards satire, investigative documentary, and public history. In Event of Moon Disaster, an award-winning deepfake art installation about the "failed" Apollo 11 moon landing, serves as a central case study.
This learning module also includes a suite of educator resources that consists of a syllabus, bibliography, and design prompts. We encourage teachers to draw on and adapt these resources for the purposes of their own classes.
Visit Media Literacy in the Age of Deepfakes to access the learning module and educator resources. A sample of some of these materials can be found on OCW.
This course was produced by the MIT Center for Advanced Virtuality, with support from the J-WEL: Abdul Latif Jameel World Education Lab.

This course is an introduction to many of the central issues in a branch of philosophy called philosophy of mind.

In collaboration with the private and public sectors, the National Institute for Standards and Technology (NIST) has developed a framework to better manage risks to individuals, organizations, and society associated with artificial intelligence (AI). The NIST AI Risk Management Framework (AI RMF) is intended for voluntary use and to improve the ability to incorporate trustworthiness considerations into the design, development, use, and evaluation of AI products, services, and systems.

This customized independent study course puts Sloan Fellows MBA students into direct contact with innovators tackling global needs in education, healthcare, and energy/environment. Co-designed projects address low-income markets in the U.S. or globally, focusing on the application of new ideas and technology rooted in MIT innovations or the Boston ecosystem. Every project aims to develop better ways for the right innovations to reach scale, sustainability, and quality, thereby improving lives and uncovering opportunities in underserved markets.

Los proyectos de esta guía utilizan un enfoque centrado en los alumnos para el aprendizaje. En lugar de solo aprender acerca de la IA con videos o conferencias, los alumnos que realizan estos proyectos son participantes activos en la exploración de ella. En el proceso, los estudiantes trabajarán directamente con tecnologías innovadoras de IA, participarán en actividades no en línea para ampliar su comprensión de cómo funcionan las tecnologías de IA y crearán diversos productos auténticos
desde modelos de aprendizaje automático hasta videojuegos— para demostrar su aprendizaje.

PROYECTO 1: Programación con aprendizaje automático
PROYECTO 2: Jugadores asistidos por IA en videojuegos
PROYECTO 3: Uso de la IA para planificar movimientos robóticos
PROYECTO 4: El aprendizaje automático como un servicio

Esta guía ofrece proyectos centrados en los alumnos que pueden enseñar directamente estándares de áreas de estudio en conjunto con comprensiones fundamentales de los que es la IA, cómo funciona y cómo impacta a la sociedad. Fueron considerados varios enfoques clave para diseñar estos proyectos. Entender estos enfoques sustentará su comprensión y la implementación de los proyectos de esta guía, así como su trabajo para diseñar más actividades que integren la enseñanza sobre la IA en su plan de estudios.

PROYECTO 1: Lo que la IA hace bien y lo que no hace tan bien
PROYECTO 2: Datos de entrenamiento y aprendizaje automático
PROYECTO 3: Los sentidos comparados con los sensores
PROYECTO 4: Navegación e IA

Esta guía ofrece proyectos centrados en los alumnos que pueden enseñar directamente estándares de áreas de estudio en conjunto con comprensiones fundamentales de los que es la IA, cómo funciona y cómo impacta a la sociedad. Fueron considerados varios enfoques clave para diseñar estos proyectos. Entender estos enfoques sustentará su comprensión y la implementación de los proyectos de esta guía, así como su trabajo para diseñar más actividades que integren la enseñanza sobre la IA en su plan de estudios.

PROYECTO 1: Chatbots de IA
PROYECTO 2: Desarrollo de una mirada crítica
PROYECTO 3: Uso de la IA para resolver problemas del medio ambiente
PROYECTO 4: Leyes para la IA

En esta guía, la exploración de la IA por parte de los alumnos se enmarca en el contexto de las consideraciones éticas, y en concordancia con los estándares, conceptos y profundidad adecuados para varias materias de K–12. Dependiendo del nivel de sus alumnos y la cantidad de tiempo que tenga disponible, puede completar todas las actividades de Inicio hasta las actividades de Demostraciones culminantes; puede seleccionar actividades de la lista; o puede llevar el aprendizaje de los alumnos más lejos, aprovechando las extensiones y recursos adicionales proporcionados. Para los alumnos sin experiencia previa de formación en la IA, la exposición misma a las actividades de aprendizaje guiadas creará una comprensión de su mundo que probablemente no tenían antes. Y para aquellos con conocimientos previos en informática o con la IA, los proyectos y recursos completos seguirán desafiando su razonamiento y los expondrán a nuevas tecnologías y aplicaciones de la IA en diversos campos de estudio.

PROYECTO 1: Lo justo es justo
PROYECTO 2: ¿Quién tiene el control?
PROYECTO 3: Las ventajas y desventajas de la tecnología de la IA
PROYECTO 4: La IA y el trabajador del siglo XXI

 The organizations that depend largely on collecting data from various sources or are highly digitized must adopt data security. It is better to fight the risks at the initial stage than to regret the loss of data and face the consequences. If the information can not be kept safe from various attacks then the preference of the organization will decrease eventually. Even if personal information cannot be trusted in the hands of the organization then there will be dissatisfaction among customers. If an organization is unable to keep its customers satisfied then its value can hit rock bottom. Hence, by using Artificial Intelligence and Machine Learning the data security should be made better. These technologies will also help in decreasing the extra effort that has to be put by an organization and its employees.