人工智能:模型与算法
分享
课程详情
课程评价
spContent=从逻辑推理、搜索求解、监督学习、无监督学习、深度学习、强化学习和博弈对抗介绍人工智能基本概念和模型算法,帮助学习者了解人工智能历史、趋势、应用及挑战,掌握人工智能在自然语言理解和视觉分析等方面赋能实体经济的手段。本课程由浙江大学求是特聘教授、人工智能研究所所长吴飞教授开设。
—— 课程团队
课程概述

人工智能(Artificial Intelligence,简称AI)是以机器为载体所展示出来的人类智能,因此人工智能也被称为机器智能(Machine Intelligence)

人类一直不懈努力,让机器模拟人类在视觉、听觉、语言和行为等方面的某些功能以提升生产能力、帮助人类完成更为复杂或有危险的工作,更多造福人类社会。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。

本课程成体系介绍人工智能的基本概念和基础算法,可帮助学习者掌握人工智能脉络体系。课程内容包括如下:人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。授课过程中也会介绍人工智能在自然语言理解(词向量与机器翻译等)和视觉分析(图像分类与视觉对象定位等)等方面的应用。


授课目标

人工智能具有“至大无外、至小有内”的特点。当前以数据建模和学习为核心的人工智能通过整合数据、模型和算力在计算机视觉、自然语言、语音识别等特定领域取得了显著进展。本课程主要从数据智能这一角度来讲授人工智能的基本算法和模型,希望学习者能够掌握逻辑推理、机器学习、强化学习、博弈对抗等基本方法,明晰若干基本应用所采用的智能学习手段。

课程大纲
预备知识

 学习者具备一定的线性代数和概率论的基本知识,掌握一定的程序设计方法。


证书要求

课程总成绩由单元测试 (60%)、讨论(10%)和期末考试(30%)构成。成绩包括优秀、合格和不合格三个档次。总成绩小于60分为不合格,大于或等于60分且小于80分为合格,大于或等于80分为优秀。


参考资料

1.        Stuart J. Russell and Peter Norvig, Articial Intelligence: A Modern Approach (Third Edition),Prentice Hall, 2010

2.        Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006

3.        Kevin P. Murphy, Machine Learning: A Probabilistic Perspective, MIT Press, 2013

4.        课程内容中所介绍的相关文献