Introduction to Artificial Intelligence

课程简介

• 搜索策略：与问题空间、空间图、实例、初始状态和目标状态相关的基本概念，广度优先搜索、深度优先搜索、双向搜索、均匀成本搜索、启发式搜索、贪婪最佳优先搜索、爬山搜索、局部束搜索、A*搜索。 • 基于知识的专家系统：知识获取、专家系统壳、专家系统架构、推理引擎、解释功能。 • 机器学习基础：学习任务：回归、分类等。监督学习、无监督学习、半监督学习和强化学习。 • 深度学习架构与应用：神经元和人工神经网络、多层感知器、卷积神经网络和循环神经网络概念、图神经网络、变换器等。 • 选修高级主题：联邦学习、AI for Science、大型语言模型等。

学习目标

1. 人工智能的核心思想、基础概念和基本方法； 2. 基础人工智能方法和技术的实际应用。

先修要求

无

教学模式

以讲座为主，辅以视频课程；使用Python进行编程练习和项目；提供指导性阅读材料。