人工智能:模型与算法
分享
课程详情
课程评价
spContent=从搜索推理、机器学习、博弈对抗和伦理安全等角度成体系介绍人工智能的基本概念和基础算法,帮助学习者了解人工智能的历史和趋势、模型与方法、应用及挑战,了解人工智能通过自然语言理解、视觉分析和语音识别等手段赋能实体经济。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

人工智能从1955年走上人类历史舞台以来,表现出内涵性、渗透性和支撑性的特点。特别是近年来在大数据、互联网、物联网等信息环境推动以及新的算法、模型和硬件助力下,人工智能在自然语言理解、语音识别、视觉分析和数据挖掘等领域取得了显著进展,成为社会经济发展的引擎。


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。本课程共有八讲,包括如下: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、博弈与伦理和安全。授课过程中也会介绍人工智能在自然语言理解和视觉分析等方面的应用。

授课目标

本课程的目标是使学生初步了解人工智能的基本原理,初步学习和掌握人工智能的基本模型和算法,帮助学生较为系统掌握人工智能所涉及的基本内容,为学生今后在相关领域应用人工智能方法奠定基础。  


课程大纲

第一讲 人工智能概述  

1.1 可计算思想起源与发展

1.2 人工智能的发展简史

1.3人工智能研究的基本内容

 

第二讲  搜索求解

2.1 启发式搜索

2.2 对抗搜索(Minimax搜索、Alpha-Beta剪枝搜索)

2.3 蒙特卡洛树搜索(多臂赌博机、UCB算法和UCT算法)

 

第三讲 逻辑与推理  

2.1  命题逻辑

2.2 一阶逻辑(谓词逻辑)

2.3   知识图谱

 

第四讲 统计机器学习:监督学习  

4.1  机器学习基本概念

4.2    线性回归与分类  

4.3    Ada Boosting

 

第五讲 统计机器学习:无监督学习  

5.1   K-means

5.2   主成份分析

 

第六讲  深度学习  

5.1    前向神经网络

5.2    卷积神经网络

5.3   自然语言理解与视觉分析

 

第七讲  强化学习

 

第八讲  博弈与伦理和安全


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(50%)讨论(10%)和考试(40%)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, Artificial 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


浙江大学
授课老师
吴飞

吴飞

教授