收藏
课程目录
1.1 可计算思想的起源与发展
1.2 人工智能历史发展
1.3 人工智能研究的基本内容
2.1 启发式搜索
2.2 对抗搜索
2.3 蒙特卡洛树搜索
3.1 命题逻辑
3.2 谓词逻辑
3.3 知识图谱推理：一阶归纳推理算法
4.1 知识图谱推理：路径排序算法
4.2 因果推理
5.1 机器学习基本概念
5.2 线性回归分析
5.3 提升算法
6.1 K均值聚类
6.2 特征人脸方法
7.1 逻辑斯蒂回归与分类
7.2 潜在语义分析
7.3 线性区别分析及分类
8.1 深度学习基本概念
8.2 前馈神经网络
8.3 误差后向传播
9.1 卷积神经网络
9.2 自然语言理解与视觉分析
10.1 强化学习的定义
10.2 策略优化与策略评估
10.3 强化学习求解
10.4 深度强化学习
11.1 博弈论的相关概念
11.2 遗憾最小化算法
11.3 虚拟遗憾最小化算法
11.4 人工智能安全
1.2 人工智能历史发展
1.3 人工智能研究的基本内容
2.1 启发式搜索
2.2 对抗搜索
2.3 蒙特卡洛树搜索
3.1 命题逻辑
3.2 谓词逻辑
3.3 知识图谱推理：一阶归纳推理算法
4.1 知识图谱推理：路径排序算法
4.2 因果推理
5.1 机器学习基本概念
5.2 线性回归分析
5.3 提升算法
6.1 K均值聚类
6.2 特征人脸方法
7.1 逻辑斯蒂回归与分类
7.2 潜在语义分析
7.3 线性区别分析及分类
8.1 深度学习基本概念
8.2 前馈神经网络
8.3 误差后向传播
9.1 卷积神经网络
9.2 自然语言理解与视觉分析
10.1 强化学习的定义
10.2 策略优化与策略评估
10.3 强化学习求解
10.4 深度强化学习
11.1 博弈论的相关概念
11.2 遗憾最小化算法
11.3 虚拟遗憾最小化算法
11.4 人工智能安全
课程详情
本课程主要介绍人工智能的基本概念和基础算法，帮助学习者了解人工智能的历史和趋势、模型与方法、应用及挑战。
本课程主要介绍人工智能的基本概念和基础算法，帮助学习者了解人工智能的历史和趋势、模型与方法、应用及挑战。
本课程主要介绍人工智能的基本概念和基础算法，帮助学习者了解人工智能的历史和趋势、模型与方法、应用及挑战。
上一篇：橡胶与人类
下一篇：新基建夯实数字中国基石
