Auto Byte
专注未来出行及智能汽车科技
微信扫一扫获取更多资讯
Science AI
关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展
微信扫一扫获取更多资讯
放假了，你是不是闲得无聊（反正小编觉得无聊，所以来加班了）？那就学习吧。这篇文章推荐了加州大学伯克利分校 2018 秋季课程 CS 188 的学习资料，包括 PPT、视频与家庭作业。
课件地址：https://inst.eecs.berkeley.edu/~cs188/fa18/index.html
课程简介
该课程介绍了设计智能计算系统时底层的基本思路与技术，课程重点在于统计学和决策理论。在课程结束后，你可以学会建立能够依靠完整信息、部分观察到的信息以及在对抗环境下做出有效决策的自动智能体。这个智能体还要会在不确定环境下做推理，根据任意奖励结构优化自己的行为。此外，你要用学习到的机器学习算法分类手写字体和图片。
在此课程中学到的技术能够应用到各种人工智能问题中，也会是你未来进一步研究 AI 应用的基础。
课程大纲
当然，其中的视频都是上传到 Youtube 的，所以想要看视频学习的同学需要「科学上网」。
机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。
在学术研究领域，人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体（intelligent agent）
