# 人工智能原理与技术（专业选修）

<div align="center"><figure><img src="/files/A56waLjUTfnKnmO7Efn2" alt=""><figcaption><p>课程教材</p></figcaption></figure></div>

## 课程简介

本课程是大数据学院新开的一门人工智能课，相比于以往的**人工智能基础**，去掉了大数据培养方案中重叠的部分，课程结构模仿Stanford的[CS221](https://stanford-cs221.github.io/autumn2022/)，包括搜索策略，知识表示，专家系统，人工智能前沿等。

## 前置知识涉及的课程

概率论与数理统计、线性代数、数学分析、数据结构

## 往年经验

**推荐将B站吴恩达的机器学习课程作为一个入门观看的内容**。教材还可以选择西瓜书——《机器学习》（周志华）以及《统计学习方法》（李航）。这两门教材都可以对学习内容的补充，或者主要学习的教材，比较详细全面，但是比较偏数学推导，很硬核。

**【\[中英字幕]吴恩达机器学习系列课程】**

{% embed url="<https://www.bilibili.com/video/BV164411b7dx/?share_source=copy_web>" %}

在课程更新后推荐使用《人工智能 一种现代的方法》作为参考书

课程作业基本照搬CS221，对python和代码阅读修改能力要求较高，选课前可以自学一下。目前这门课无考试，仅四次作业，分别是搜索、MDP、Bayes网络、推荐系统。

这门课能对人工智能的整体发展有一个全新的认识：从专家系统到知识图谱，再到最近的ML和DL。了解AI作为一种“现代方法”的多种形式，而不仅仅局限于近几年的热点方法。

## 与后续课程的联系

为《机器学习概论》这门课打了一定的基础，对机器学习的内容有了大致的了解。

## 课程资源

{% embed url="<https://rec.ustc.edu.cn/share/07b7fb80-be48-11ed-90f5-6b101bcecf7b>" %}

## 目录

<details>

<summary>人工智能原理与技术教学大纲</summary>

人工智能概述

机器学习

搜索策略

马尔科夫决策过程

博弈论

约束满足问题

马尔科夫网络

贝叶斯网络

知识表示

深度学习

强化学习

因果推理

人工智能前沿

</details>


---

# Agent Instructions: Querying This Documentation

If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://advancedguideforsds.gitbook.io/advancedguide/pei-yang-fang-an-jie-xi/da-er-chun-ji-xue-qi/ren-gong-zhi-neng-ji-chu-zhuan-ye-xuan-xiu-1.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.