这一页讲的是人工智能在管理中的应用，涵盖虚拟助手、决策支持、自动化等领域的关键技术。

这一页讲的是人工智能（AI）在管理中的应用，主题为“Managing with Artificial Intelligence”，属于课程 INFOSYS 703 的第一周内容。页面中的图表展示了 AI 技术在多个领域的应用，包括虚拟助手（Virtual Assistant）、机器学习（Machine Learning）、人脸识别（Face Recognition）、用户认证（User Authentication）、自动化（Automation）和决策支持（Decision Making）。这些技术通过数据处理和智能算法帮助企业优化流程。例如，虚拟助手可以通过自然语言处理（NLP）与用户互动，提高客户服务效率；机器学习则能分析海量数据，预测趋势并支持决策；自动化技术可以减少人工操作，提高生产效率。这些技术的结合使得企业能够更高效地管理资源和应对复杂问题。

这一页讲的是课程 INFOYS 703: Managing with AI 的介绍，主要是课程主题和方向。

这一页讲的是课程 INFOYS 703: Managing with AI 的介绍。这门课程的核心是探讨如何通过人工智能（AI）技术来优化管理过程，提高决策效率和组织效能。从标题可以看出，课程重点在于结合 AI 技术与管理实践，帮助学生理解 AI 在商业管理中的应用价值。页面中的图示展示了 AI 技术的多个应用场景，例如数据分析、自动化流程、智能设备和决策支持系统，暗示了课程内容的广泛性和实用性。这门课可能会涉及 AI 的基本原理、行业应用案例以及如何设计和实施 AI 驱动的管理策略。通过学习，学生可以掌握将 AI 技术融入管理流程的能力，为未来的职业发展打下基础。

这一页讲的是人工智能（AI）技术在商业和管理中的应用，课程目标是理解如何利用AI技术支持商业需求。

这一页讲的是人工智能（AI）技术在商业和管理中的应用背景。课程的核心目标是帮助学生理解如何将AI技术用于支持商业需求（support business needs）。具体包括两个关键问题：第一，AI对商业的意义是什么？它如何改变企业的运营模式和决策方式？第二，组织如何有效利用AI技术？例如，企业可以通过AI优化供应链管理、提升客户体验或预测市场趋势。这些内容强调了AI技术在商业中的战略性作用，帮助企业提高效率、降低成本并增强竞争力。幻灯片顶部的图示可能展示了AI技术在不同商业领域的应用，例如数据处理、自动化和预测分析，进一步说明了AI的广泛潜力。

这一页讲的是人工智能工具的学习目标，包括如何应用、数据需求、生命周期及伦理法律问题。主要内容包括理解AI在决策中的作用、数据需求的多维考虑，以及工具选择的标准。

这一页讲的是人工智能工具和解决方案的学习目标，重点包括五个方面：第一，理解AI工具如何在组织决策和业务流程中发挥作用，例如通过优化数据分析支持战略决策。第二，识别特定AI工具的数据需求，需要综合考虑组织、技术、法规和社会等多维背景。例如，一个医疗AI系统需要考虑患者隐私和数据合规性。第三，制定并应用适当的标准来选择合适的AI工具，以提升业务价值或运营效率，例如选择能优化库存管理的AI算法。第四，了解AI工具的生命周期，从开发到部署再到维护，确保其持续有效。最后，认识使用AI工具的伦理、法律和合规问题，例如避免算法偏见和遵守数据保护法规。这些学习目标帮助学生全面掌握AI工具的应用及其相关影响。

这一页讲的是针对不同背景学生的建议，重点是技术背景学生需关注商业与管理，非技术背景学生需理解AI技术的核心概念。所有学生都需深入分析案例以支持战略决策。

这一页讲的是针对不同背景学生在学习人工智能课程时的建议。对于有技术背景的学生，建议他们不仅专注于技术，还要准备好学习人工智能工具的商业和管理方面，以便更全面地理解AI在实际应用中的价值。对于非技术背景的学生，建议他们提升对关键AI技术的高层次理解，这样可以更好地参与AI相关的讨论和决策。此外，针对所有学生，这门课程强调实践性，要求进行广泛的研究和市场分析，并深入分析商业案例以制定AI战略。通过这些学习，学生将能够应用知识支持战略决策，尤其是在商业环境中使用AI技术时，能够做出更具信息支持的选择。

这一页讲的是课程概述，包括课程的主要内容和知识框架。

这一页讲的是课程概述，主要介绍课程的整体结构和核心内容。从幻灯片中的图示可以看出，这门课程涉及多个关键领域，比如人工智能（AI）、数据处理（Data Processing）、机器学习（Machine Learning）、硬件设计（Hardware Design）以及工业应用（Industrial Applications）。这些领域相互关联，构成了一个完整的学习框架。图中展示了数据从采集到处理、分析、再到应用的流程，强调了理论与实践结合的重要性。这一概述帮助学生了解课程的全貌，明确学习目标和知识体系的逻辑结构。

这一页讲的是如何利用 AI 技术满足商业需求，重点讨论了 AI 的关键技术、应用场景及挑战。

这一页讲的是如何利用 AI 技术满足商业需求，围绕四个核心问题展开：WHAT、WHY、WHERE 和 HOW。WHAT 部分探讨了 AI 的关键技术以及 AI 工具与其他数字工具的区别，并分析了这些独特特性对管理的影响。WHY 部分讨论了为何选择 AI 而非其他工具，包括 AI 的独特优势及可能遇到的挑战。WHERE 部分关注 AI 在商业和管理中的应用场景，以及不同背景下应用的相似性和差异性。最后，HOW 部分强调如何确保 AI 帮助企业提高竞争力或优化组织管理，同时提出了应对 AI 风险和挑战的必要性。通过这些问题的框架，可以全面理解 AI 技术在商业中的角色及其带来的机遇和风险。例如，AI 在客户服务中可以通过自然语言处理提升效率，但也需要解决数据隐私问题。

这一页讲的是课程大纲，分为四个部分：AI的基础知识、应用背景、实现方法及未来展望。涵盖AI类型、数据驱动决策、法律伦理问题及社会影响等内容。

这一页讲的是课程大纲，系统性地介绍了人工智能（AI）的学习内容。课程分为四个部分：第一部分“The What?”讲解AI的基础知识，包括人工智能的定义和不同类型，例如机器学习、深度学习等。第二部分“The Why? And the Where?”探讨AI在商业战略中的应用，例如在不同场景中如何利用AI实现价值。第三部分“The How?”深入研究AI的实现方式，包括数据在决策中的作用、AI辅助决策的机制，以及AI与人类协作的关系。此外，还涉及法律合规与伦理问题、AI解决方案的实施以及AI治理的重要性。最后一部分“Forward outlook”展望AI的未来发展，讨论其对商业和社会的潜在影响。例如，如何利用AI推动社会进步并解决复杂问题。这张表格清晰地列出了每个主题的重点内容，为学习者提供了明确的学习路径。

这一页讲的是课程组织方式，包括每周的研讨会与讲座安排、课前阅读要求、多媒体资源、客座讲座以及互动小组活动等内容。

这一页讲的是课程的组织方式。课程每周安排 1.5 小时的研讨会和 1.5 小时的讲座，结合理论与实践学习。课前要求阅读相关材料，包括文章和案例研究，这些内容与考试密切相关。此外，课程提供多媒体资源支持学习，并邀请多个客座讲师，例如来自 Microsoft、UoA 和 BNZ 的专家分享经验。课程强调小组互动活动，学生需要提前准备案例研究和练习，并积极参与课堂活动。个人和小组作业需要进行大量的口头报告（oral presentations），包括独立研究和小组咨询任务。参与课堂活动的表现会被认可并计入成绩，总分为 102 分。这种组织方式旨在培养学生的实践能力和团队合作能力，同时通过多样化的学习资源和活动增强学习效果。

这一页讲的是课程作业安排及评分细则，包括小组任务、个人任务和时间节点。

这一页讲的是课程作业安排及评分细则，分为小组任务和个人任务两部分，并明确了每项任务的时间节点和评分占比。表格列出了五种主要任务：'AI in the news'、案例分析、课堂练习、特定商业场景中的人工智能研究，以及AI商业挑战项目。每项任务的评分细则分为小组部分和个人部分，例如案例分析中，小组部分每两案例得4分，而个人部分包括课堂参与和备选分析，总计6分。此外，表格还强调了时间安排，例如案例分析从第2周开始，持续到第10周，而特定商业场景研究需在第5周前确定主题，第7周进行展示。最后，课程总评分中，作业占70%，考试占30%。这个安排帮助学生明确任务优先级和时间管理。

这一页讲的是课程 INFOYS 703 的详细时间安排，包括主题、讲座、阅读材料和作业安排。

这一页讲的是课程 INFOYS 703 – Managing with AI 的详细时间安排，涵盖了从第一周到第五周的课程内容。第一周（3月6日）主题是 AI 简介和 AI 在商业策略中的应用，包含课程概述和微软的客座讲座，阅读材料为 Topic 1 的阅读清单，作业是课堂活动。第二周（3月13日）继续探讨 AI 在商业策略中的应用，安排了讲座和案例阅读，作业是关于 AI 失败原因的案例研究。第三周（3月20日）讲解不同类型的 AI 和数据在决策中的作用，除了讲座还有 Matthew Preen 的客座讲座，阅读材料包括 Topic 3 的清单和分配的文章，作业是新闻中 AI 的展示以及基于阅读材料的练习。第四周（3月27日）继续讨论数据在决策中的作用，阅读材料为 Topic 4 的清单，作业包括新闻展示、练习以及提交主题提案。第五周（4月3日）没有安排周五课程，学生需要在周二至周四期间完成“AI in Business Context”的主题最终确认。

这一页讲的是课程详细安排的后半部分，包括第6到第12周的主题、讲座、阅读材料和研讨会内容。

这一页讲的是课程第6到第12周的详细安排，涵盖多个主题和活动。第6周的主题是“AI辅助决策”（AI-assisted decision-making），包括由Martin Adam进行的客座讲座，阅读材料为Topic 5和Canvas上的案例研究2，研讨会讨论“AI可解释性”（AI explainability）。第7周安排学生进行个人口头报告，探讨特定商业环境中的AI应用。第8周的主题是“AI与人类的相互依赖关系”（AI and human interdependencies），由Jason Mangan进行讲座，阅读材料为Topic 6和案例研究3，研讨会讨论“意外后果”（Unintended consequences）。第9周关注“合规、法律和伦理问题”（Compliance, legal and ethical issues），由Tana Pistorius教授讲座，阅读材料包括Exercise 3准备工作，研讨会主题为“音乐中的AI应用”。第10周探讨“AI解决方案的实施”（Implementation of AI-enabled solutions）和“AI治理”（Governance of AI），阅读材料为Topic 8和9，并准备Exercise 4。第11周安排小组展示商业挑战任务，提供模拟展示时间以获得反馈。第12周复习所有主题，为考试做准备。这张表清晰列出了每周的主题、阅读材料和活动安排，帮助学生提前规划学习任务。

这一页讲的是成功完成课程的两个关键要求：定期阅读和积极参与课堂活动。

这一页讲的是成功完成课程的两个重要条件。第一是每周定期阅读 (read weekly)，强调不要将阅读材料积压到课程结束时才处理，因为课堂讨论和学习需要与阅读内容相关联。第二是出勤和积极参与 (attendance and active participation)，指出学习的主要部分通过课堂讨论和练习完成。举例来说，如果学生提前阅读并参与讨论，他们能够更好地理解课程内容并应用知识。总之，这两点确保学生在课程中能够高效学习并取得成功。

这一页讲的是学习建议，帮助学生根据自己的学习风格提升学习效果。建议包括明确学习目标和反思学习材料的关联性。

这一页讲的是学习建议，强调如何根据个人学习风格优化学习过程。首先建议学生在每次学习时使用明确的学习目标（learning objectives），以帮助自己专注于每周的必读材料。这些目标可以在课程平台的教学大纲（syllabus）中找到。其次，建议学生花时间反思并记录笔记，尤其是关于以下几个方面：一是阅读材料如何补充或扩展课堂上讨论的主题，包括研讨会、讲座以及嘉宾演讲中提到的内容；二是除了每周主题之外，还涉及了哪些不同的主题；三是个人经验是否与某些讨论的主题相关，这些经验可以作为课堂讨论或作业的例子。这些建议旨在帮助学生更深入地理解课程内容，并将其与个人经验和更广泛的主题联系起来，从而提高学习效果。

这一页讲的是课程总结和重要提醒，强调查看 Canvas 页面和 FAQ。课程已提供几乎所有重要信息。

这一页讲的是课程结束时的总结和提醒。首先，幻灯片通过大字体和重复强调，请学生务必查看 INFOYS 703 的 Canvas 页面，并仔细阅读 FAQ（常见问题解答），以确保获取所有必要信息。其次，幻灯片提到课程已经提供了几乎所有相关的详细信息，甚至幽默地说是“几乎几乎所有信息”，以缓解紧张气氛并传递轻松的语调。右上角的图示可能是一个流程图，展示了课程内容的技术背景或信息系统的运作流程，进一步强调了课程的技术性和实用性。总而言之，这一页的目的是提醒学生利用课程资源，确保所有问题都能通过已有信息得到解决。

这一页讲的是微软的嘉宾讲座，介绍了三位专家及其领域：AI商业解决方案、公共部门Azure服务、企业Azure服务。

这一页讲的是微软的嘉宾讲座，时间为12:30到1:45，主要介绍了三位专家及其专业领域。第一位是Daniel Beard，他是微软新西兰AI商业解决方案的负责人，拥有超过25年的IT经验，擅长将AI战略转化为实际影响。他专注于AI驱动的生产力、Microsoft Copilot的应用以及运营模式的转型，确保AI能够负责任地部署并实现规模化。第二位是Hanieh Khalesi，她是公共部门Azure服务专家，专注于通过数据策略和AI服务帮助新西兰教育和公共部门实现数字化转型目标。她领导虚拟团队，帮助组织成为数据驱动型并增强业务影响力。第三位是Ben Hunter，他是企业Azure服务专家，过去十年专注于帮助组织设计和交付创新的云解决方案。他拥有跨Microsoft、AWS和Google的多云经验，致力于现代化数据平台并构建安全、良好的Azure架构。这些专家的工作展示了AI和云技术在不同领域的应用及其重要性。

这一页讲的是课程在 Canvas 平台上的信息展示，包括导航栏和模块内容。

这一页讲的是如何在 Canvas 平台上查看课程信息。左侧是导航栏，包含多个功能模块，例如 Syllabus（课程大纲）、Assignments（作业）、Grades（成绩）等，方便学生快速访问相关内容。页面右侧展示了课程的主要模块，例如 Getting Started（课程介绍）、Course Schedule（课程时间表）、Assessments（评估方式）等，帮助学生了解课程结构和要求。此外，页面底部列出了每周的学习主题，例如 Week 1: An introduction to Artificial Intelligence（人工智能简介）、Week 2: AI and business strategy（人工智能与商业策略）等，清晰地展示了课程的学习进度安排。这种设计使学生可以轻松获取所需信息并跟踪学习进度。

这一页讲的是如何使用 Canvas 平台完成课程任务，包括导航和信息查找。重点包括任务准备、联系教学团队，以及如何找到课程资源。

这一页讲的是 Canvas 平台的导航活动，帮助学生熟悉如何高效使用该平台完成课程任务。首先，学生需要知道如何为下一周的学习做准备，包括查看分配的任务内容以及是否可以使用生成式 AI (Gen AI) 来完成任务。如果可以使用，则需要明确具体操作方式。此外，学生还需要了解如何联系教学团队以获得支持。页面还提到了一些具体任务，例如在哪里可以找到关于“AI in the News”的相关信息，以及如何完成“AI in Business Context”任务。最后，学生需要熟悉 Canvas 平台上的资源，包括每周的阅读材料和链接、各主题的学习目标（用于指导阅读），以及是否有需要评估的任务。这些内容帮助学生更好地规划学习时间和任务优先级，例如通过定期查看 Canvas 上的更新来确保不会遗漏重要信息。