• 大卫·林奇:“绘画式”的电影导演
  • 赵亮:独立而优雅地纪录
  • 798——“Out of the Box”先锋影像展
  • 影像与建筑——关于李巨川录像作品
  • 1988-2011中国影像艺术相关事纪年表
  • 12.27︱电影女祭司玛雅·黛伦的神性与诗意
  • (天野チヒロ/三才ブックス)的《放送禁止映像大全》
  • “色即是空”,日本当代摄影审美情趣
  • “色即是空”,日本当代摄影审美情趣(二)
  • 记忆与身体——关于刘铮的《国人》
  • 史蒂夫·麦克奎恩《饥饿》英国独立电影节获奖
  • 辛迪雪曼访谈—我如何拍摄“无名电影”系列
  • 去法国看Photoquai摄影双年展
  • 里面外、外面里II —— 西方影像艺术最新趋势
  • 杨小彦︱摄影进入中国的讨论困境
  • 摄影180年在中国的四个时间片段
  • 2020德国当代摄影双年展:图像的生命与爱
  • 第十三届北京独立影像展实验片单元入选影片介绍
  • 电影活动:香港独立电影在北京
  • 动漫美学百相[林大艺术中心]
  • 我为什么要研究摄影展览的历史︱《照片秀》缘起
  • IDF 2018︱第二届西湖国际纪录片大会圆满落幕
  • 2018 北京国际短片联展 获奖名单
  • 赵半狄电影《让熊猫飞》挑战《功夫熊猫》
  • 第十三届北京独立影像展(BIFF 2016)入围、获奖影片暨颁奖现场
  • 鲍昆:现在纪实摄影缺乏专题性,普遍为街拍!
  • 与印度纪录片发行人迦琪·森的对话
  • 李振华:关于影像艺术——录像艺术的起源、分类
  • 亚当·马扎尔《城市生活》
  • 中国当代影像艺术
  • 董冰峰:电影的孤独
  • 亚洲视野:AMNUA国际影像论坛暨特别展映
  • 第十三届中国独立影像展评审委员会
  • IAF2021动画双年展开幕
  • 对话鲍昆︱“纪实摄影的前世今生”
  • 第二届VAFA国际录像节成功开幕
  • 贡萨洛·比利亚尔摄影
  • 第十届中国独立影像年度展各奖项揭晓
  • 2014iDOCS国际纪录片论坛
  • 第六届连州国际摄影年展:为摄影调温
  • 胡介鸣: 一分钟的一百年
  • 首届Wolgin奖得主录像艺术家Ryan Trecartin
  • 我爱过日本摄影的黄金时代
  • [现场]ON SPACE十秒影像展“像博尔特一样快”
  • 了解摄影的入门读物——《世界摄影史》
  • 视频档案 艺术档案
    艺术档案 > 视频档案 > 北京大学公开课︱人工智能原理

    北京大学公开课︱人工智能原理

    2020-03-03 19:05:37.776 来源: 中国大学MOOC 作者:王文敏

    北京大学公开课︱人工智能原理(点击进入)

    课程详情
    在汹涌澎湃的科技创新大潮中,人工智能时代已经到来,准备好去拥抱这个时代了吗?那么,究竟什么是人工智能?人工智能研究什么?人工智能的理论基础是什么?其最新的发展与应用会如何影响我们的社会、工作和生活?本课程将系统介绍人工智能的发展历程、核心思想、基本理论与应用。
    ——课程团队

    课程概述
    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。

    授课老师
    王文敏

    课程大纲
    Part I. Basics: Chapter 1. Introduction
    1.1 Overview of Artificial Intelligence
    1.2 Foundations of Artificial Intelligence
    1.3 History of Artificial Intelligence
    1.4 The State of The Art
    1.5 Summary
    Quizzes for Chapter 1

    Part I. Basics: Chapter 2. Intelligent Agent
    2.1 Approaches for Artificial Intelligence
    2.2 Rational Agents
    2.3 Task Environments
    2.4 Intelligent Agent Structure
    2.5 Category of Intelligent Agents
    2.6 Summary
    Quizzes for Chapter 2

    Part II. Searching: Chapter 3. Solving Problems by Search
    3.1 Problem Solving Agents
    3.2 Example Problems
    3.3 Searching for Solutions
    3.4 Uninformed Search Strategies
    3.5 Informed Search Strategies
    3.6 Heuristic Functions
    3.7 Summary
    Quizzes for Chapter 3

    Part II. Searching: Chapter 4. Local Search and Swarm Intelligence
    4.1 Overview
    4.2 Local Search Algorithms
    4.3 Optimization and Evolutionary Algorithms
    4.4 Swarm Intelligence and Optimization
    4.5 Summary
    Quizzes for Chapter 4

    Part II. Searching: Chapter 5. Adversarial Search
    5.1 Games
    5.2 Optimal Decisions in Games
    5.3 Alpha-Beta Pruning
    5.4 Imperfect Real-time Decisions
    5.5 Stochastic Games
    5.6 Monte-Carlo Methods
    5.7 Summary
    Quizzes for Chapter 5

    Part II. Searching: Chapter 6. Constraint Satisfaction Problem
    6.1 Constraint Satisfaction Problems (CSPs)
    6.2 Constraint Propagation: Inference in CSPs
    6.3 Backtracking Search for CSPs
    6.4 Local Search for CSPs
    6.5 The Structure of Problems
    6.6 Summary
    Quizzes for Chapter 6

    Part III. Reasoning: Chapter 7. Reasoning by Knowledge
    7.1 Overview
    7.2 Knowledge Representation
    7.3 Representation using Logic
    7.4 Ontological Engineering
    7.5 Bayesian Networks
    7.6 Summary
    Quizzes for Chapter 7

    Part IV. Planning: Chapter 8. Classic and Real-world Planning
    8.1 Planning Problems
    8.2 Classic Planning
    8.3 Planning and Scheduling
    8.4 Real-World Planning
    8.5 Decision-theoretic Planning
    8.6 Summary
    Quizzes for Chapter 8

    Part V. Learning: Chapter 9. Perspectives about Machine Leaning
    9.1 What is Machine Learning
    9.2 History of Machine Learning
    9.3 Why Different Perspectives
    9.4 Three Perspectives on Machine Learning
    9.5 Applications and Terminologies
    9.6 Summary
    Quizzes for Chapter 9

    Part V. Learning: Chapter 10. Tasks in Machine Learning
    10.1 Classification
    10.2 Regression
    10.3 Clustering
    10.4 Ranking
    10.5 Dimensionality Reduction
    10.6 Summary
    Quizzes for Chapter 10

    Part V. Learning: Chapter 11. Paradigms in Machine Learning
    11.1 Supervised Learning Paradigm
    11.2 Unsupervised Learning Paradigm
    11.3 Reinforcement Learning Paradigm
    11.4 Other Learning Paradigms
    11.5 Summary
    Quizzes for Chapter 11

    Part V. Learning: Chapter 12. Models in Machine Learning
    12.1 Probabilistic Models
    12.2 Geometric Models
    12.3 Logical Models
    12.4 Networked Models
    12.5 Summary
    Quizzes for Chapter 12

    预备知识
    学习者具备一定的数据结构、算法等计算机知识,线性代数、概率论等数学知识,以及机器学习的基础知识即可。

    证书要求
    课程采用百分制,达到60分算“合格”,达到85分以上算“优秀”。为了保障证书权威性,平台不再支持免费电子证书,只提供认证证书。

    其中:
    单元测试60% 【12个单元测试,共100道题目,占总成绩60分】
    期末考试40%【最后一周进行,共计40分】

    参考资料
    [1] 王文敏:《人工智能原理》,高等教育出版社,2019年8月28日
    https://www.hep.com.cn/book/details?uuid=b0900ec1-16ac-1000-804d-4f70147a3a5d

    [2] Stuart Russell, Peter Norvig. "Artificial Intelligence: A Modern Approach (3rd Edition)". Prentice Hall, Dec. 11, 2009.

    注:这本书被认为是最经典的人工智能教材,已被全球100多个国家的1200多所著名大学选用。

    [3] Stuart Russell等著,殷建平等译:《人工智能:一种现代的方法 (第3版)》,清华大学出版社,2013年11月1日。

    注:这本书是上述英文教材的中译本,我国已将其作为“世界著名计算机教材精选”之一。

    [4] Artificial Intelligence: A Modern Approach, https://aima.cs.berkeley.edu/

    注:这是上述英文教材的网站,有许多相关的资源。

    [5] Mehryar Mohri, Afshin Rostamizadeh and Ameet Talwalkar. "Foundations of Machine Learning". The MITPress, Aug. 17, 2012.

     

     

    【声明】以上内容只代表原作者个人观点,不代表artda.cn艺术档案网的立场和价值判断。

    网友评论

    共 0 评 >>  我要留言
    您的大名