人工智能
课程内容
分数构成
- 平时作业35分，课堂考勤5分，期末考试60分
- 一共设置五个实训题目，在智海-Mo完成
课程大纲
人工智能发展历史与课程内容介绍： 人工智能的起起源、可计算载体:形式化与机械化、智能计算方法、课程授课内容介绍↔
逻辑与推理：
- 命题逻辑、谓词逻辑、FOIL归纳推理
- 因果推理(辛普森悖论、干预的因果效应、反事实模型)
搜索求解：
- 搜索算法基础、启发式搜索(贪婪最佳优先搜索和A*搜索)
- 对抗搜索(最小最大搜索、alpha-beta剪枝算法)、蒙特卡洛树搜索
统计机器学习:监督学习：
- 机器学习基本概念、回归分析、决策树↔
- 线性判别分析、Ada Boosting
统计机器学习:无监督学习：
- K均值聚类、主成分分析、特征人脸方法
- 潜在语义分析、期望最大化算法
深度学习：
- 前馈神经网络、感知机模型、卷积神经网络
- 循环神经网络、深度学习在NLP和视觉应用
强化学习：
- 强化学习基本概念
- 策略优化与策略评估
人工智能博弈：
- 博弈论的相关概念、博弈策略求解
- 博弈规则设计