人工智能原理
分享
课程详情
课程评价
spContent=在汹涌澎湃的科技创新大潮中,人工智能时代已经到来,准备好去拥抱这个时代了吗?那么,究竟什么是人工智能?人工智能研究什么?人工智能的理论基础是什么?其最新的发展与应用会如何影响我们的社会、工作和生活?本课程将系统介绍人工智能的发展历程、核心思想、基本理论与应用。
—— 课程团队
课程概述

        人工智能是国内外著名大学计算机专业设置的骨干课之一,也是国内外著名高校和研究机构的主要研究方向之一。人工智能研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为,其理论基础表现为搜索、推理、规划和学习,应用领域包括计算机视觉、图像分析、模式识别、专家系统、自动规划、智能搜索、计算机博弈、智能控制、机器人学、自然语言处理、社交网络、数据挖掘、虚拟现实等。

       本课程在系统回顾人工智能发展历程的基础上,重点介绍人工智能的核心思想基本理论基本方法部分应用。 课程以该英文原版教材为主,并根据人工智能、特别是机器学习领域的发展和变化,编撰和充实了大量的内容。本课程共有12讲,采用双语教学,即中英文PPT和中英文作业等、中文讲授和交流。

课程大纲

Week 1: Part I. Basics: Chapter 1. Introduction

第1周:第I部分 基础:第1章 导论


Week 2: Part I. Basics: Chapter 2. Intelligent Agents

第2周:第I部分 基础:第2章 智能体


Week 3: Part II. Searching: Chapter 3. Solving Problems by Search

第3周:第II部分 搜索:第3章 通过搜索求解问题


Week 4: Part II. Searching: Chapter 4. Local Search and Swarm Intelligence

第4周:第II部分 搜索:第4章 局部搜索与群体智能


Week 5: Part II. Searching: Chapter 5. Adversarial Search

第5周:第II部分 搜索:第5章 对抗性搜索


Week 6: Part II. Searching: Chapter 6. Constraint Satisfaction Problem

第6周:第II部分 搜索:第6章 约束满足问题


Week 7: Part III. Reasoning: Chapter 7. Reasoning by Knowledge

第7周:第III部分 推理:第7章 知识推理


Week 8: Part IV. Planning: Chapter 8. Classic and Real-world Planning

第8周:第IV部分 规划:第8章 经典与现实世界规划


Week 9: Part V. Learning: Chapter 9. Perspectives about Machine Leaning

第9周:第V部分 学习:第9章 研读机器学习的视角


Week 10: Part V. Learning: Chapter 10. Tasks in Machine Learning

第10周:第V部分 学习:第10章 机器学习的任务


Week 11: Part V. Learning: Chapter 11. Paradigms in Machine Learning

第11周:第V部分 学习:第11章 机器学习的范型


Week 12: Part V. Learning: Chapter 12. Models in Machine Learning

第12周:第V部分 学习:第12章 机器学习的模型


预备知识

学习者具备一定的数据结构、算法等计算机知识,线性代数、概率论等数学知识,以及机器学习的基础知识即可。

证书要求

课程采用百分制,达到60分算“合格”,达到85分以上算“优秀”。由任课教师签发课程证书,其中成绩“优秀”者将颁发优秀证书


其中:

    单元测试60% 【12个单元测试,共100道题目,占总成绩60分】

    期末考试40%【最后一周进行,共计40分】

参考资料

[1] Stuart Russell, Peter Norvig. "Artificial Intelligence: A Modern Approach (3rd Edition)". Prentice Hall, Dec. 11, 2009.

注:这本书被认为是最经典的人工智能教材,已被全球100多个国家的1200多所著名大学选用。

[2] Stuart Russell等著,殷建平等译:《人工智能:一种现代的方法 (第3版)》,清华大学出版社,2013年11月1日。

注:这本书是上述英文教材的中译本,我国已将其作为“世界著名计算机教材精选”之一。

[3] Artificial Intelligence: A Modern Approach, http://aima.cs.berkeley.edu/

注:这是上述英文教材的网站,有许多相关的资源。

[4] Mehryar Mohri, Afshin Rostamizadeh and Ameet Talwalkar. "Foundations of Machine Learning". The MITPress, Aug. 17, 2012.