首页 > 企业职工培训 > 前沿科技创新 > 人工智能原理

人工智能原理

  • 共58章节
  • 273643人学过
    (1077人评论过)

免费

¥239.00
试看
学堂在线
  • 课程详情
  • 课程目录
  • 相关资源
  • 课程评论
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,其理论基础表现为搜索、推理、规划和学习,应用领域包括计算机视觉、图像分析、模式识别、专家系统、自动规划、智能搜索、计算机博弈、智能控制、机器人学、自然语言处理、社交网络、数据挖掘、虚拟现实等。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。 课程以该英文原版教材为主,并根据人工智能、特别是机器学习领域的发展和变化,编撰和充实了大量的内容。本课程共有12讲,采用双语教学,即中英文PPT和中英文作业等、中文讲授和交流。本课程面向对人工智能感兴趣的大学生、研究生、以及科技工作者。
    人工智能原理
  • 1.1 Overview of Artificial Intelligence (人工智能概述)(09:11)
  • 1.2 Foundations of Artificial Intelligence(人工智能基础)(16:52)
  • 1.3 History of Artificial Intelligence(人工智能历史)(22:36)
  • 1.4 The State of Artificial Intelligence(人工智能现状)(21:16)
  • 2.1 Approaches for Artificial Intelligence(人工智能研究途(11:44)
  • 2.2 Rational Agents (理性主体)(09:06)
  • 2.3 Task Environments (任务环境)(07:09)
  • 2.4 Intelligent Agent Structure (Agent的结构)(07:54)
  • 2.5 Category of Intelligent Agents(Agent的分类)(17:27)
  • 3.1 Problem Solving Agents(问题求解Agent)(10:13)
  • 3.2 Example Problems(问题实例)(15:45)
  • 3.3 Searching for Solutions(通过搜索求解)(07:07)
  • 3.4 Uninformed Search Strategies(无信息搜索策略)(11:23)
  • 3.5 Informed Search Strategies(有信息搜索策略)(09:51)
  • 3.6 Heuristic Functions(启发式函数)(05:25)
  • 4.1 Overview(概述)(06:56)
  • 4.2 Local Search Algorithms(局部搜索算法)(13:38)
  • 4.3 Optimization and Evolutionary Algorithms (优化和进(16:16)
  • 4.4 Swarm Intelligence and Optimization(群体智能和优化)(14:54)
  • 5.1 Games(博弈)(19:33)
  • 5.2 Optimal Decisions in Games(博弈中的优化决策)(13:01)
  • 5.3 Alpha-Beta Pruning(Alpha-Beta剪枝)(08:23)
  • 5.4 Imperfect Real-time Decisions(不完美的实时决策)(05:38)
  • 5.5 Stochastic Games(随机博弈)(07:59)
  • 5.6 Monte-Carlo Methods(蒙特卡洛方法)(16:14)
  • 6.1 Constraint Satisfaction Problems (约束满足问题)(30:13)
  • 6.2 Constraint Propagation: Inference in CSPs(约束传播(13:35)
  • 6.3 Backtracking Search for CSPs(CPS的回溯搜索)(13:26)
  • 6.4 Local Search for CSPs(CPS局部搜索)(06:42)
  • 6.5 The Structure of Problems(问题的结构)(07:41)
  • 7.1 Overview(概述)(08:32)
  • 7.2 Knowledge Representation(知识表示)(15:45)
  • 7.3 Representation using Logic(逻辑表示)(25:52)
  • 7.4 Ontological Engineering(本体工程)(14:15)
  • 7.5 Bayesian Networks(贝叶斯网络)(36:06)
  • 8.1 Planning Problems(规划问题)(18:45)
  • 8.2 Classic Planning(经典规划)(24:58)
  • 8.3 Planning and Scheduling(规划与调度)(07:15)
  • 8.4 Real-World Planning(现实世界规划)(18:31)
  • 8.5 Decision-theoretic Planning(决策理论规划)(15:55)
  • 9.1 What is Machine Learning(什么是机器学习)(21:08)
  • 9.2 History of Machine Learning(机器学习的历史)(12:20)
  • 9.3 Why Different Perspectives(为什么需要不同的视角)(07:40)
  • 9.4 Three Perspectives on Machine Learning(机器学习的三个(28:48)
  • 9.5 Applications and Terminologies(机器学习的应用及有关术语)(20:31)
  • 10.1 Classification(分类)(40:15)
  • 10.2 Regression(回归)(19:01)
  • 10.3 Clustering(聚类)(27:17)
  • 10.4 Ranking(排名)(09:51)
  • 10.5 Dimensionality Reduction(降维)(11:55)
  • 11.1 Supervised Learning Paradigm(有监督学习范式)(47:43)
  • 11.2 Unsupervised Learning Paradigm(无监督学习范式)(27:35)
  • 11.3 Reinforcement Learning Paradigm(强化学习范式)(33:51)
  • 11.4 Other Learning Paradigms(其他学习范式)(17:47)
  • 12.1 Probabilistic Models(概率模型)(35:01)
  • 12.2 Geometric Models(几何模型)(21:58)
  • 12.3 Logical Models(逻辑模型)(11:27)
  • 12.4 Networked Models(网络模型)(46:44)

暂无相关数据

  • BJ2007S00331865

    2020-09-27 11:27:18

  • BJ2007S00588042

    2020-09-27 08:48:14