来自｜inst.eecs.berkeley.edu
编译｜新智元、深度学习这件小事
【导读】本文介绍了伯克利《人工智能导论》(2018)课程，介绍智能计算机系统设计的基本思想和技术。重点内容是统计和决策理论建模范式。本文课程中所学习到的技术将适用于各种各样的人工智能问题。本文附带了相关PPT、视频等课程资源。
本课程将介绍智能计算机系统设计的基本思想和技术。重点内容是统计和决策理论建模范式。
在本课程结束时，读者可以在部分可观察和对抗的环境中构建可以高效做决策的智能体。
智能体将在不确定的环境中进行推理，并针对任意奖励结构做优化操作。机器学习算法会对手写数字和照片进行分类。
在本课程中所学习到的技术将适用于各种各样的人工智能问题。
有关幻灯片、截止日期和讲座时间表，请参阅教学大纲。
教学大纲
PDF lectures (2.1 GB)：
https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_lectures_pdf.zip
PPTX lectures (819 MB)：
https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_lectures_pptx.zip
Homework (4.3 MB)：
https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_hw.zip
Sections (6.3 MB)：
https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_sections.zip
Bilibili视频地址：
https://www.bilibili.com/video/av39489278/?redirectFrom=h5
— 完 —
为您推荐
入门 | 30个常用python实现
「别人家的程序员」变量起名
我就不信看完这篇你还搞不懂信息熵
一文简述深度学习优化方法——梯度下降
目标检测 vs 目标跟踪
本篇文章来源于: 深度学习这件小事
本文为原创文章，版权归知行编程网所有，欢迎分享本文，转载请保留出处！
内容反馈