课程介绍

对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。

课程定位

该课程成体系介绍人工智能的基本概念和基础算法，帮助学习者掌握人工智能脉络体系，体会具能、使能和赋能，从算法层面对人工智能技术“知其意，悟其理，守其则，践其行”。

课程时长

5学时

课程大纲

第一节、人工智能概述

1.1 可计算思想起源与发展

1.2 人工智能的发展简史

1.3人工智能研究的基本内容

第二节、搜索求解

2.1 启发式搜索

2.2 对抗搜索（Minimax搜索、Alpha-Beta剪枝搜索）

2.3 蒙特卡洛树搜索(多臂赌博机、UCB算法和UCT算法)

第三节、逻辑与推理

2.1 命题逻辑

2.2 一阶逻辑（谓词逻辑）

2.3 知识图谱

第四节、统计机器学习：监督学习

4.1 机器学习基本概念

4.2 线性回归与分类

4.3 Ada Boosting

第五节、统计机器学习：无监督学习

5.1 K-means

5.2 主成份分析

第六节、深度学习

5.1 前向神经网络

5.2 卷积神经网络

5.3 自然语言理解与视觉分析

第七节、强化学习

7.1 马尔科夫决策过程

7.2 强化学习中策略优化与策略评估

7.3 Q-Learning

7.4 深度强化学习

第八节、人工智能博弈

8.1 博弈相关概念 (纳什均衡)

8.2 遗憾最小化算法

8.3 虚拟遗憾最小化算法