課程大綱： 人工智能：模型與算法培訓
一 人工智能概述
1.1 可計算思想起源與發展
1.2 人工智能的發展簡史
1.3人工智能研究的基本內容
人工智能概述課件
浙江大學計算機學院人工智能課程課件（人工智能概述）
二 搜索求解
2.1啟發式搜索
2.2 對抗搜索
2.3 蒙特卡洛樹搜索
搜索求解課件
浙江大學計算機學院人工智能課程課件（搜索求解）
三 邏輯與推理（I）
3.1 命題邏輯
3.2 謂詞邏輯
3.3 知識圖譜推理：一階歸納推理算法
邏輯與推理(I)課件
浙江大學計算機學院人工智能課程課件（邏輯與推理）
四 邏輯與推理（II）
浙江大學計算機學院人工智能課程課件（邏輯與推理）
4.1 知識圖譜推理：路徑排序算法
4.2 因果推理
邏輯與推理(II)課件
五 統計機器學習：監督學習
5.1 機器學習基本概念
5.2 線性回歸分析
5.3提升算法（boosting）
統計機器學習：監督學習課件
浙江大學計算機學院人工智能課程課件（監督學習）
六 統計機器學習：無監督學習
6.1 K均值聚類
6.2 主成分分析
6.3 特征人臉算法
統計機器學習：無監督學習課件
浙江大學計算機學院人工智能課程課件（無監督學習）
七 統計機器學習算法應用
7.1 邏輯斯蒂回歸與分類
7.2 潛在語義分析
7.3 線性區別分析及分類
統計機器學習算法應用課件
八 深度學習（I）
8.1 深度學習基本概念
8.2 前饋神經網絡
8.3 誤差后向傳播(BP)
深度學習課件
浙江大學圖靈班人工智能本科專業課件（深度學習）
九：深度學習（II）
9.1 卷積神經網絡
9.2 自然語言理解與視覺分析
深度學習課件
浙江大學圖靈班人工智能本科專業課件（深度學習）
十：強化學習
10.1 強化學習定義
10.2 策略優化與策略評估
10.3 強化學習求解: Q Learning
10.4 深度強化學習
強化學習課件
浙江大學圖靈班人工智能本科專業課件（強化學習）
十一：人工智能博弈
11.1 博弈相關概念
11.2 遺憾小化算法
11.3 虛擬遺憾小化算法
11.4 人工智能安全
人工智能博弈課件
浙江大學圖靈班人工智能本科專業課件（人工智能博弈）
十二：人工智能發展與挑戰
12.1 記憶驅動的智能計算
12.2 可計算社會學
12.3 若干挑戰
人工智能發展與挑戰課件
十三：算法實驗
人工智能課程體系演變
實驗環境設置
如何完成并測試你的實驗作業
實驗作業題目
算法實驗的課件
十四 構建人工智能育人生態促AI專業和交叉學科發展
新一代人工智能的形成
人工智能人才培養態勢
匯聚交叉、賦能社會
構建人工智能育人生態促AI專業和交叉學科發展課件
加入高級會員獲得助教答疑
