课程信息

本课程将介绍人工智能的基本原理、方法及应用。具体包括仅对周围环境感知并做出响应的智能agent，多种搜索方法，知识表示及推理方法，高级求解技术，机器学习方法，以及人工智能的新领域的研究进展。

This course introduces fundamental principles, methods and applications of Artificial Intelligence. The content includes intelligent agents that perceive and respond to the environments, various search algorithms, knowledge representation and advanced inference methods, machine learning methods and new advances in Artificial Intelligence.

课程内容

第一部分：人工智能概述 / Introduction and Agents (chapters 1，2)

第二部分：问题求解 / Search (chapters 3 ∼ 6)

Solving Problems by Searching, Informed Search, Constraint Satisfaction Problems (CSP), Game Planning

第三部分：知识、推理与规划 / Logic Knowledge，Reasoning，and Planning (chapters 7 ∼ 12)

Logical Agents, FOL and Inference in FOL, Planning and Knowledge Representation

第四部分：不确定知识与推理 / Uncertainty and Decision Making (chapters 13 ∼ 17)

Uncertainty and Bayesian Networks, Decision Making (MDPs, POMDPs, and Stochastic Games)

第五部分：学习 / Learning (chapters 18 ∼ 21)

Machine Learning, Deep Learning, Reinforcement Learning

第六部分：应用 / NLP，Perception，and Robotics (chapters 22 ∼ 25)

教材、参考书

教材：

Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach. Pearson Education.

人工智能：一种现代方法. （中译本：清华大学出版社，2013年第三版）

参考书：

Nils J. Nilsson, Artificial Intelligence: A New Synthesis. Morgan Kaufmann Publishers. （中译本：人工智能，机械工业出版社，2000年）；

蔡自兴等, 人工智能原理及其应用, 清华大学出版社.

课程进度

Week	Date	Lecture Topic	Slides	Reference
1	2月26日	人工智能基础	人工智能基础
1	2月28日	人工智能基础
2	3月4日	Intelligent Agents	Intelligent Agents
2	3月6日	Solving Problems by Searching	Solving Problems by Searching
3	3月11日	Informed Search	Informed Search
3	3月13日	Informed Search
4	3月18日	CSP	CSP	SAT
4	3月20日	CSP
5	3月25日	Game Playing	Game Playing
5	3月27日	Game Playing
6	4月1日	Logical Agents	Logical Agents	pl_fol
6	4月3日	Logical Agents		kr2
7	4月8日	Logical Agents		Semantic Web
7	4月10日	First-Order Logic and Inference in FOL	First-Order Logic and Inference in FOL
8	4月15日	AI Planning	AI Planning
8	4月17日	Uncertainty and Bayesian Networks	Uncertainty and Bayesian Networks	pr
9	4月22日	Uncertainty and Bayesian Networks		bnet
9	4月24日	Uncertainty and Bayesian Networks
10	4月29日	马尔可夫决策过程	马尔可夫决策过程
11	5月6日	马尔可夫决策过程
11	5月8日	Learning	Learning
11	5月11日	Supervised Learning	Supervised Learning
12	5月13日	Supervised Learning: Support Vector Machines	Supervised Learning: Support Vector Machines
12	5月15日	Unsupervised Learning	Unsupervised Learning
13	5月20日	神经网络与深度学习	神经网络与深度学习