问题与智能体
状态、动作、目标、环境和评价。
大二 · 大二上 · COURSE NOTES
AI导论
从问题表示、搜索、学习和推理认识人工智能的主要范式。
已建立课程知识框架Markdown 4 · PDF 65 · 演示文稿 1 · Word 10
说明：本页是根据课程主题和常见教学结构整理的公开知识框架，不等同于任课教师的正式教学大纲。原始课件、作业、报告、文件名和提交信息均不公开。
学习目标
- 理解符号方法与数据驱动方法的区别
- 掌握搜索和学习的基础概念
- 能评价模型能力、数据依赖和风险
知识地图
搜索与规划
无信息搜索、启发式搜索、博弈和规划。
知识与推理
逻辑表示、规则、不确定性和概率推理。
机器学习基础
监督、无监督、强化学习及训练评估。
AI 系统与伦理
数据、模型、部署、偏差、安全与责任。
建议的笔记整理方式
- 核心问题：课程试图解释或解决什么问题。
- 概念地图：连接不同学科的术语、尺度和假设。
- 方法与证据：记录模型、实验、数据和评价标准。
- 案例与边界：说明方法在哪里有效、受什么约束。
最小复习清单
- [ ] 能不看资料解释“问题与智能体”的核心问题。
- [ ] 能不看资料解释“搜索与规划”的核心问题。
- [ ] 能不看资料解释“知识与推理”的核心问题。
- [ ] 能不看资料解释“机器学习基础”的核心问题。
- [ ] 能不看资料解释“AI 系统与伦理”的核心问题。
本地资料状态
- 文档类型统计：Markdown 4 · PDF 65 · 演示文稿 1 · Word 10。
- 统计仅用于判断整理进度；不公开文件名、作者、学号、联系方式、本机路径或作业提交内容。
- 后续只把经过人工复核的概念总结、实验复盘和原创笔记加入本页。