人工智能原理

本课程在系统回顾人工智能发展史的基础上,重点介绍人工智能的核心思想、基本理论,基本方法与部分应用。 课程以英文原版教材为主,并根据人工智能、特别是机器学习领域的发展和变化,编撰和充实了大量内容。采用中英文PPT,中文讲授。

播放:63819次,课程ID:4231071

人工智能原理课程简介:前往报名学习

人工智能原理课程简介:

本课程在系统回顾人工智能发展史的基础上,重点介绍人工智能的核心思想、基本理论,基本方法与部分应用。 课程以英文原版教材为主,并根据人工智能、特别是机器学习领域的发展和变化,编撰和充实了大量内容。采用中英文PPT,中文讲授。

前往报名学习

人工智能原理课程目录:

Part I. Basics: Chapter 1. Introduction(第I部分 基础:第1章 导论)

--1.1 Overview of Artificial Intelligence (人工智能概述)

--1.2 Foundations of Artificial Intelligence(人工智能基础)

--1.3 History of Artificial Intelligence(人工智能历史)

--1.4 The State of Artificial Intelligence(人工智能现状)

--1.5 Summary (小结)

Part I. Basics: Chapter 2. Intelligent Agent(第I部分 基础:第2章 智能体)

--2.1 Approaches for Artificial Intelligence(人工智能研究途径)

--2.2 Rational Agents (理性主体)

--2.3 Task Environments (任务环境)

--2.4 Intelligent Agent Structure (Agent的结构)

--2.5 Category of Intelligent Agents(Agent的分类)

--2.6 Summary(小结)

Part II. Searching: Chapter 3. Solving Problems by Search(第II部分 搜索:第3章 通过搜索求解问题)

--3.1 Problem Solving Agents(问题求解Agent)

--3.2 Example Problems(问题实例)

--3.3 Searching for Solutions(通过搜索求解)

--3.4 Uninformed Search Strategies(无信息搜索策略)

--3.5 Informed Search Strategies(有信息搜索策略)

--3.6 Heuristic Functions(启发式函数)

--3.7 Summary(小结)

Part II. Searching: Chapter 4. Local Search and Swarm Intelligence(第II部分 搜索:第4章 局部搜索与群体智能)

--4.1 Overview(概述)

--4.2 Local Search Algorithms(局部搜索算法)

--4.3 Optimization and Evolutionary Algorithms (优化和进化算法)

--4.4 Swarm Intelligence and Optimization(群体智能和优化)

--4.5 Summary(小结)

Part II. Searching: Chapter 5. Adversarial Search(第II部分 搜索:第5章 对抗性搜索)

--5.1 Games(博弈)

--5.2 Optimal Decisions in Games(博弈中的优化决策)

--5.3 Alpha-Beta Pruning(Alpha-Beta剪枝)

--5.4 Imperfect Real-time Decisions(不完美的实时决策)

--5.5 Stochastic Games(随机博弈)

--5.6 Monte-Carlo Methods(蒙特卡洛方法)

--5.7 Summary(小结)

Part II. Searching: Chapter 6. Constraint Satisfaction Problem(第II部分 搜索:第6章 约束满足问题)

--6.1 Constraint Satisfaction Problems (约束满足问题)

--6.2 Constraint Propagation: Inference in CSPs(约束传播:CPS中的推理)

--6.3 Backtracking Search for CSPs(CPS的回溯搜索)

--6.4 Local Search for CSPs(CPS局部搜索)

--6.5 The Structure of Problems(问题的结构)

--6.6 Summary(小结)

Part III. Reasoning: Chapter 7. Reasoning by Knowledge(第III部分 推理:第7章 知识推理)

--7.1 Overview(概述)

--7.2 Knowledge Representation(知识表示)

--7.3 Representation using Logic(逻辑表示)

--7.4 Ontological Engineering(本体工程)

--7.5 Bayesian Networks(贝叶斯网络)

--7.6 Summary(小结)

Part IV. Planning: Chapter 8. Classic and Real-world Planning(第IV部分 规划:第8章 经典与现实世界规划)

--8.1 Planning Problems(规划问题)

--8.2 Classic Planning(经典规划)

--8.3 Planning and Scheduling(规划与调度)

--8.4 Real-World Planning(现实世界规划)

--8.5 Decision-theoretic Planning(决策理论规划)

--8.6 Summary(小结)

Part V. Learning: Chapter 9. Perspectives about Machine Leaning(第V部分 学习:第9章 研读机器学习的视角)

--9.1 What is Machine Learning(什么是机器学习)

--9.2 History of Machine Learning(机器学习的历史)

--9.3 Why Different Perspectives(为什么需要不同的视角)

--9.4 Three Perspectives on Machine Learning(机器学习的三个视角)

--9.5 Applications and Terminologies(机器学习的应用及有关术语)

--9.6 Summary(小结)

Part V. Learning: Chapter 10. Tasks in Machine Learning(第V部分 学习:第10章 机器学习的任务)

--10.1 Classification(分类)

--10.2 Regression(回归)

--10.3 Clustering(聚类)

--10.4 Ranking(排名)

--10.5 Dimensionality Reduction(降维)

--10.6 Summary(小结)

Part V. Learning: Chapter 11. Paradigms in Machine Learning(第V部分 学习:第11章 机器学习的范型)

--11.1 Supervised Learning Paradigm(有监督学习范式)

--11.2 Unsupervised Learning Paradigm(无监督学习范式)

--11.3 Reinforcement Learning Paradigm(强化学习范式)

--11.4 Other Learning Paradigms(其他学习范式)

--11.5 Summary(小结)

Part V. Learning: Chapter 12. Models in Machine Learning(第V部分 学习:第12章 机器学习的模型)

--12.1 Probabilistic Models(概率模型)

--12.2 Geometric Models(几何模型)

--12.3 Logical Models(逻辑模型)

--12.4 Networked Models(网络模型)

--12.5 Summary(小结)

人工智能原理授课教师:

王文敏-教授-北京大学-信息工程学院

1989年3月取得哈工大计算机博士学位。毕业后任哈理工、哈工大副教授等。1992年出国并在日美知名公司担任主任研究员、主干研究员、中国区总工等。2009年底应邀回国,任北京大学数字视频编解码国家工程实验室广州中心副主任。2012年3月任北京大学信息工程学院常务副院长(主持工作),2013年9月至2016年3月任北京大学信息工程学院院长。攻读博士学位期间主要从事人工智能协同式问题求解的研究,目前的研究领域包括计算机视觉、多媒体检索、人工智能与机器学习。

© 柠檬大学-慕课导航 课程版权归原始院校所有,
本网站仅通过互联网进行慕课课程索引,不提供在线课程学习和视频,请同学们点击报名到课程提供网站进行学习。