人工智能 （2019秋季）

更新通知

2019/12/9

期末考试为闭卷考试，考查范围主要涉及：搜索算法，约束满足问题，博弈问题，MDP，增强学习，概率推理，贝叶斯网络，决策网络和信息价值，隐式马可夫网络，机器学习等相关内容。

2019/12/2

作业6，已经贴出。

2019/11/25

作业5，已经贴出。

2019/11/18

作业1，2，3（作业1-3是往年的），4，已经贴出。

作业

内容安排

顺序 内容标题 阅读书上章节 幻灯片
1 人工智能简介；课程内容介绍 第1章，和26.3,27.4 ppt
2 智能行为体和环境 第2章 ppt
3 基础搜索算法；A星搜索和启发式法 第3章的1-4节，5-6节 ppt
4 局部搜索和不确定搜索 第4章 ppt
5 博弈问题 第5章1-5节 ppt
6 约束满足问题 第6章1，3-5节 ppt
7 命题逻辑：语法和推理 第7章第1-5、6.1和第7节 ppt
8 马可夫决策过程 (MDP) ppt-part1, ppt-part2
9 强化学习 (Reinforcement learning) ppt-part1, ppt-part2
10 概率（贝叶斯）推理 第13章第1-5节 ppt
11 贝叶斯网络：语法和语义 第14章第1-4节 [ppt](slides/lecture11-BN representation.pptx)
12 贝叶斯网络：D分离 [ppt](slides/lecture12 - BNs Independence.pptx)
13 贝叶斯网络：精确推断 第14章第1-4节 [ppt](slides/lecture13 - BN Inference.pptx)
14 贝叶斯网络：近似推理（采样） [ppt](slides/lecture14 - BN sampling.pptx)
15 决策网络与信息价值 第16章 ppt
16 马科夫模型，粒子滤波 第15章第1-3节 ppt-part1 , ppt-part2
17 机器学习：朴素贝叶斯模型 第20章第1-2节 [ppt](slides/lecture18 ML-naive bayes.pptx)
18 机器学习：感知机，逻辑斯特回归 第18章第6，8节
19 机器学习：优化方法，人工神经网络 第18章第6，8节

课程信息

课本参考：

  • Artificial Intelligence: A Modern Approach, 3rd edition, Stuart J. Russell and Peter Norvig. Prentice Hall, 2009.

以往课程网页

数学参考

机器学习参考

Python 参考

Scala 参考

写作工具

R 参考

参考