人工智能导论课程主页


课程信息

  • 授课对象: 人工智能学院本科生
  • 教室: 仙林校区 仙II-304
  • 时间: 周四 14:00-16:00
  • 教材: Stuart J. Russell, Peter Norvig. Artificial Intelligence: A Modern Approach (3rd edition), Pearson, 2011.
  • 助教: 胡圣佑刘驭壬秦熔均   (Contact: {husy, liuyr, qinrj}@lamda.nju.edu.cn)
  • 总评: 课程作业 + 期末考试
  • 课程讨论QQ群:196685563
  • 考试: TBD

作业


本次课程有五次作业,将基于GVGAI框架,请立即开始熟悉该框架:http://www.gvgai.net

若作业提交名单有疏漏,请尽快联系助教
Edit

课程材料

  1. Introduction (PDF)
  2. Search 1: Uninformed Search (PDF)
  3. Search 2: Informed Search (PDF)
  4. Search 3: Adversarial Search (PDF)
  5. Search 4: Beyond Classical Search: Bandit and Monte-Carlo Tree Search(PDF)
  6. Search 5: Beyond Classical Search: General Solution Space Search and CSP (PDF)
  7. Knowledge 1: Propositional Logic (PDF)
  8. Knowledge 2: First Order Logic (PDF)
  9. Uncertainty: Probability & Bayesian Network(PDF)
  10. Learning 1: Supervised Learning & Learning Models (DT, kNN, NB) (PDF)
  11. Learning 2: Principles of Supervised Learning & Learning Models (PDF)
  12. Learning 3: Reinforcement Learning (PDF)
  13. Deep Learning (PDF)

slides are derived from Russell's in http://aima.cs.berkeley.edu/instructors.html

 

学术诚信

允许同学之间的相互讨论,但是署你名字的工作必须由你完成,不允许直接照搬任何已有的材料,必须独立完成作业的书写过程。

按照此处的说明,在完成作业过程中,对他人工作(出版物、互联网资料)中文本的直接照搬(包括原文的直接复制粘贴及语句的简单修改等)都将视为剽窃,剽窃者成绩将被取消。对于完成作业中有关键作用的公开资料,应予以明显引用。

如果发现作业之间高度相似将被判定为互相抄袭行为, 抄袭和被抄袭双方的成绩都将被取消。因此请主动防止自己的作业被他人抄袭。



Edit

学术资源


The end