收藏
课程目录
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
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
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
3.4.1 Uninformed Search Strategies(无信息搜索策略
3.4.2 Uninformed Search Strategies(无信息搜索策略
3.4.3 Uninformed Search Strategies(无信息搜索策略
3.4.4 Uninformed Search Strategies(无信息搜索策略
3.4.5 Uninformed Search Strategies(无信息搜索策略
3.4.6 Uninformed Search Strategies(无信息搜索策略
3.5.1 Informed Search Strategies(有信息搜索策略
3.5.2 Informed Search Strategies(有信息搜索策略
3.6 Heuristic Functions(启发式函数
4.1 Overview(概述
4.2.1 Local Search Algorithms(局部搜索算法
4.2.2 Local Search Algorithms(局部搜索算法
4.2.3 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
5.1 Games(博弈
5.2 Optimal Decisions in Games(博弈中的最优决策
5.3 Alpha-Beta Pruning(Alpha-Beta剪枝
5.4 Imperfect Real-time Decisions(不完备信息的实时决策
5.5 Stochastic Games(随机博弈
5.6 Monte-Carlo Methods(蒙特卡洛方法
6.1 Constraint Satisfaction Problems(约束满足问题
6.2 Constraint Propagation: Inference in CSPs(约束传播：CSP中的推理
6.3 Backtracking Search for CSPs(CSP的回溯搜索
6.4 Local Search for CSPs(CSP局部搜索
6.5 The Structure of Problems(问题的结构
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
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
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
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
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
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(网络化模型
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
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
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
3.4.1 Uninformed Search Strategies(无信息搜索策略
3.4.2 Uninformed Search Strategies(无信息搜索策略
3.4.3 Uninformed Search Strategies(无信息搜索策略
3.4.4 Uninformed Search Strategies(无信息搜索策略
3.4.5 Uninformed Search Strategies(无信息搜索策略
3.4.6 Uninformed Search Strategies(无信息搜索策略
3.5.1 Informed Search Strategies(有信息搜索策略
3.5.2 Informed Search Strategies(有信息搜索策略
3.6 Heuristic Functions(启发式函数
4.1 Overview(概述
4.2.1 Local Search Algorithms(局部搜索算法
4.2.2 Local Search Algorithms(局部搜索算法
4.2.3 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
5.1 Games(博弈
5.2 Optimal Decisions in Games(博弈中的最优决策
5.3 Alpha-Beta Pruning(Alpha-Beta剪枝
5.4 Imperfect Real-time Decisions(不完备信息的实时决策
5.5 Stochastic Games(随机博弈
5.6 Monte-Carlo Methods(蒙特卡洛方法
6.1 Constraint Satisfaction Problems(约束满足问题
6.2 Constraint Propagation: Inference in CSPs(约束传播：CSP中的推理
6.3 Backtracking Search for CSPs(CSP的回溯搜索
6.4 Local Search for CSPs(CSP局部搜索
6.5 The Structure of Problems(问题的结构
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
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
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
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
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
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(网络化模型
课程详情
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。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、基本方法与部分应用。（北京大学）
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。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、基本方法与部分应用。（北京大学）
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。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、基本方法与部分应用。（北京大学）
上一篇：智能语音交互—语音识别技术
下一篇：计算机原理
