课后作业1 （提交截止日期：2025.09.28）
1. International Energy Agency, Energy and AI, 2025-04, https://www.iea.org/reports/energy-and-ai.
教学目标：
本课程面向能源动力、化学工程和化学等专业的研究生，旨在介绍人工智能 (AI) 的基本概念、技术和应用，并深入探讨 AI 在能源领域的应用前景和挑战，特别是结合电池储能在绿色低碳的可再生能源技术中应用背景，重点讲解 AI 在电池储能系统中的应用。课程内容涵盖 Python 编程基础、人工智能基础、机器学习、深度学习、以及 AI 在能源优化、能源创新和新兴领域中的应用。
课程注重理论与实践相结合，培养学生利用 AI 技术解决能源领域实际问题的能力。通过学习本课程，学生将掌握 Python 编程语言基础，了解人工智能的基本概念、发展历史、主要技术和方法，熟悉 AI 在能源领域的应用现状和发展趋势，并具备利用 AI 技术解决能源领域实际问题的初步能力，为未来从事能源与人工智能交叉领域的研究和工作打下坚实基础。
教学安排：
参考教材：
1. 蔡自兴，刘丽珏，陈白帆，蔡昱峰，人工智能及其应用 ，清华大学出版社 ，2024-02-01 第七版。
2. Jeffery Heaton著，李尔超 和王海鹏译 ，人工智能算法 （卷1、2、3），人民邮电出版社 ，2020-01-01、2020-11-01、2021-04-01。
3. Aurelien Geron 著 ，Hands-On Machine Learning with Scikit-Learn, Keras & TensorFlow ，东南大学出版社 ，2023-03-01 。
4. 陆文聪 等著 ，基于机器学习的材料设计 ，科学出版社 ，2024-08-01 。
5. 杨博 著 ，人工智能在新能源发电系统中的应用 ，中国电力出版社 ，2023-10-01 。
6. International Energy Agency, Energy and AI, 2025-04, https://www.iea.org/reports/energy-and-ai.
考核方式：
1. 课堂表现(10/100): 出勤率及课堂参与度。
2. 课后作业 (20/100): 将会布置5次课后作业，每次40分，5次作业总成绩将计入最终成绩。
3. 随堂测验 (20/100):
测验1 (9.28 or 9.30)
测验2 (10.28 or 11.04)
测验3 (11.25 or 12.02)
两次最高分将用于计算最终成绩。
4. 文献汇报 (10/100):
选择一篇将AI应用于能源研究的论文进行课堂展示（12分钟展示 + 3分钟提问）。
5. 课程项目 (40/100):
选择一个课程项目，构建和训练机器学习模型，撰写项目报告，并于1月25日之前邮件提交至ke.yang@nankai.edu.cn。