CS188 概述

学校开设的人工智能导论课程很一般，而且是由伯克利CS188修改而来的，那我为什么不直接看CS188的录课？

课程在B站上就有，建议看2018版

参考用书：Artificial Intelligence: A Modern Approach/AIMA

Part I: Search and Planning

  • Search 搜索
    • 无信息搜索
      • DFS/BFS
      • UCS
      • IDDFS
    • 有信息搜索
      • Greedy
      • A-star
  • Constraint Satisfaction Problems/CSP 约束满足问题
    • Backtracking 回溯搜索
      • filter, ordering, structure
    • LocalSearch 局部搜素
      • 爬山法
      • 模拟退火
  • Games 博弈搜索
    • Minimax 极小化极大算法
      • Alpha-Beta剪枝 深度受限搜素
    • Expectimax 期望最大化算法
  • Markov Decision Problems/MDP 马尔可夫决策过程
    • Value Iteration 价值迭代
    • Policy Iteration 策略迭代
  • Reinforcement Learning/RL 强化学习
    • 基于模型
    • 无模型学习
      • Value-Learning
      • Q-Learning 精确/近似
      • Policy Search

Part II: Uncertainty and Learning

  • Bayes'nets/BN 贝叶斯网络
    • D-Sepreration D-分离/有向分离
      • 三元组
      • 独立性分析
    • Inference 推理
      • Enumeration 枚举推理
      • Variable Elimination 变量消元法
    • Sampling 采样
      • Prior Sampling 先验采样
      • Rejection Sampling 拒绝采样
      • Likelihood Weight 似然加权
      • Gibbs Sampling 吉布斯采样
  • Decision Network 决策网络
    • BN + Expectimax
    • Value of Perfect Information/VPI 完美信息价值
  • Markov Model/MM 马尔可夫模型
    • BN + ~MDP + Time
    • Staionary Distribution 稳态分布
  • Hidden Markov Model/HMM 隐马尔可夫模型
    • Forward Algorithm 前向算法
      • Time Elapse Update 时间流逝更新
      • Observation Update 观测更新
    • Particle Filtering 粒子滤波
  • Machine Learning 机器学习
    • Naive Bayes 朴素贝叶斯
    • Perceptron 感知器
    • Logistic Regression 逻辑回归
    • Decision Tree 决策树