人工智能基础：从问题解决到机器学习
该课程将问题解决、搜索算法和知识表示联系起来，为机器学习铺平道路
讲师：Dr.Deeba K
双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！
用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。
您将学到什么
- 了解构建智能计算机系统的基本技术
- 了解应用于实际问题的搜索技术程序
- 了解逻辑的类型和知识表示方案
- 了解如何应用人工智能解决问题
探索相关主题
- 人工智能（AI）
- IT 认证
- 信息技术与软件
要求
- 本课程无需任何先修课程。学生可以从基础课程开始聆听人工智能课程的讲座
描述
人工智能 (AI) 已成为当今时代改变生活的最重要技术之一，它彻底改变了各行各业，重塑了我们的生活和工作方式。人工智能的理念是开发能够模仿人类智能的机器，它为医疗保健、金融、交通和娱乐等各个领域释放了巨大的潜力。
本课程通过涵盖基本的问题解决策略、基于代理的分析、约束满足问题、搜索算法和知识表示，全面介绍人工智能（AI）领域。
基本问题解决策略：本课程首先向学生介绍人工智能中常用的各种问题解决方法。这些策略包括分而治之、贪婪算法、动态规划和回溯等技术。为了帮助学生掌握这些概念，我们使用玩具问题（简单的说明性示例）作为初始学习工具。
基于代理的分析：在人工智能中，代理是一种感知环境并采取行动实现特定目标的实体。本课程深入探讨代理的概念及其特征，例如理性和自主性。学生将学习代理如何与环境互动，并根据反馈和观察调整其行为。
约束满足问题：约束满足问题 (CSP) 是一类问题，其目标是找到满足一组约束的解决方案。本课程探讨如何将现实世界的问题建模为 CSP，以及如何使用各种算法（如回溯和约束传播）来有效地找到解决方案。
搜索空间和搜索算法：人工智能的基本方面之一是搜索大量可能的解决方案以找到最佳解决方案。本课程解释了搜索空间的概念，它代表了问题的所有可能状态以及如何系统地遍历它。学生将学习广度优先搜索和深度优先搜索等无信息搜索算法，以及 A* 搜索和基于启发式的技术等有信息搜索算法。
知识表示：知识表示对于人工智能系统的推理和决策至关重要。本课程深入探讨了两种主要的知识表示类型：命题逻辑和谓词逻辑。
命题逻辑：本课程的这一部分教学生如何使用命题来表示知识，命题是简单的陈述，可以是真也可以是假。他们学习逻辑连接词（AND、OR、NOT 等）以及如何构建复杂的表达式来表示关系和规则。
谓词逻辑：谓词逻辑通过引入变量和量词来扩展命题逻辑。学生学习如何表达涉及多个实体的关系和属性，以及如何使用“对于所有”和“存在”等量词来推理对象集。
推理和推理：一旦知识被表达出来，学生就会开始推理的过程，即使用逻辑规则和推理技巧从现有知识中获取新信息。他们学习如何应用推理机制根据给定的知识库得出结论。
总体而言，本课程为理解各种 AI 技术和应用奠定了坚实的解决问题、搜索算法和知识表示基础。课程结束时，学生应该能够运用这些概念，使用 AI 技术建模和解决实际问题。
本课程适合哪些人：
- 计算机科学专业的学生
- 准备参加门考试的学生
- 任何计划参加计算机科学基础政府考试的人
- 有兴趣了解人工智能基本工作原理的学生
- 任何愿意学习人工智能工作原理的人
显示更多显示较少
如果你有能力，请务必支持课程的原创作者，这是他们应得的报酬！
本站收取的费用，仅用来维持网站正常运行的必要支出，从本站下载任何内容，说明你已经知晓并同意此条款。
