反饋

人工智能原理

（北京大學提供的慕課）

鎖定

人工智能原理課程是北京大學於2017年10月10日首次在中國大學MOOC開設的國家精品在線開放課程。該課程授課教師是王文敏。據2021年3月中國大學MOOC官網顯示，該課程已開課8次。^[1-3]

人工智能原理課程共有12講，包括人工智能的核心思想、基本理論，基本方法與部分應用等內容。^[2]

中文名: 人工智能原理
類別: 國家精品在線開放課程
提供院校: 北京大學

授課平台: 中國大學MOOC
開課時間: 2017年10月10日（首次）
授課教師: 王文敏

人工智能原理課程性質

人工智能原理課程背景

中國工程院院士、中國人工智能學會理事長李德毅説，“人工智能在奔跑，平均每人擁有一台服務機器人的時代終將到來。”那麼，究竟什麼是人工智能，人工智能的理論基礎是什麼，其新發展與應用會如何影響人們的社會、工作和生活...北京大學在此背景下開設該課程，該課程介紹人工智能的發展歷程、核心思想、基本理論與應用。^[2]

人工智能原理課程定位

人工智能是中國國內外大學計算機專業設置的骨幹課之一，也是中國國內外高校和研究機構的主要研究方向之一。該課程共有12講，採用雙語教學，即中英文PPT和中英文作業等、中文講授和交流。^[2]

人工智能原理開課信息

開課次數	開課時間	學時安排	授課教師	參與人數
第1次開課	2017年10月10日~2018年01月31日	3~5小時每週	王文敏	75268
第2次開課	2018年03月19日~2018年07月06日	4小時每週		47621
第3次開課	2018年09月03日~2018年12月23日			33122
第4次開課	2019年03月11日~2019年06月30日			23711
第5次開課	2019年09月02日~2019年12月22日			21467
第6次開課	2020年02月11日~2020年05月31日			15130
第7次開課	2020年09月07日~2021年01月06日			7261
第8次開課	2021年03月08日~2021年06月27日			課程未結束

（表格內容參考資料^[2-3] ）

人工智能原理課程簡介

人工智能研究如何用計算機軟件和硬件去實現Agent的感知、決策與智能行為，其理論基礎表現為搜索、推理、規劃和學習，應用領域包括計算機視覺、圖像分析、模式識別、專家系統、自動規劃、智能搜索、計算機博弈、智能控制、機器人學、自然語言處理、社交網絡、數據挖掘、虛擬現實等。該課程在系統回顧人工智能發展歷程的基礎上，重點介紹人工智能的核心思想、基本理論，基本方法與部分應用。課程以該英文原版教材為主，並根據人工智能、特別是機器學習領域的發展和變化，編撰和充實了大量的內容。^[1]

人工智能原理課程大綱

Part I. Basics: Chapter 1. Introduction

1.1 Overview of Artificial Intelligence

1.2 Foundations of Artificial Intelligence

1.3 History of Artificial Intelligence

1.4 The State of The Art

1.5 Summary

Quizzes for Chapter 1

Part I. Basics: Chapter 2. Intelligent Agent

2.1 Approaches for Artificial Intelligence

2.2 Rational Agents

2.3 Task Environments

2.4 Intelligent Agent Structure

2.5 Category of Intelligent Agents

2.6 Summary

Quizzes for Chapter 2

Part II. Searching: Chapter 3. Solving Problems by Search

3.1 Problem Solving Agents

3.2 Example Problems

3.3 Searching for Solutions

3.4 Uninformed Search Strategies

3.5 Informed Search Strategies

3.6 Heuristic Functions

3.7 Summary

Quizzes for Chapter 3

Part II. Searching: Chapter 4. Local Search and Swarm Intelligence

4.1 Overview

4.2 Local Search Algorithms

4.3 Optimization and Evolutionary Algorithms

4.4 Swarm Intelligence and Optimization

4.5 Summary

Quizzes for Chapter 4

Part II. Searching: Chapter 5. Adversarial Search

5.1 Games

5.2 Optimal Decisions in Games

5.3 Alpha-Beta Pruning

5.4 Imperfect Real-time Decisions

5.5 Stochastic Games

5.6 Monte-Carlo Methods

5.7 Summary

Quizzes for Chapter 5

Part II. Searching: Chapter 6. Constraint Satisfaction Problem

6.1 Constraint Satisfaction Problems (CSPs)

6.2 Constraint Propagation: Inference in CSPs

6.3 Backtracking Search for CSPs

6.4 Local Search for CSPs

6.5 The Structure of Problems

6.6 Summary

Quizzes for Chapter 6

Part III. Reasoning: Chapter 7. Reasoning by Knowledge

7.1 Overview

7.2 Knowledge Representation

7.3 Representation using Logic

7.4 Ontological Engineering

7.5 Bayesian Networks

7.6 Summary

Quizzes for Chapter 7

Part IV. Planning: Chapter 8. Classic and Real-world Planning

8.1 Planning Problems

8.2 Classic Planning

8.3 Planning and Scheduling

8.4 Real-World Planning

8.5 Decision-theoretic Planning

8.6 Summary

Quizzes for Chapter 8

Part V. Learning: Chapter 9. Perspectives about Machine Leaning

9.1 What is Machine Learning

9.2 History of Machine Learning

9.3 Why Different Perspectives

9.4 Three Perspectives on Machine Learning

9.5 Applications and Terminologies

9.6 Summary

Quizzes for Chapter 9

Part V. Learning: Chapter 10. Tasks in Machine Learning

10.1 Classification

10.2 Regression

10.3 Clustering

10.4 Ranking

10.5 Dimensionality Reduction

10.6 Summary

Quizzes for Chapter 10

Part V. Learning: Chapter 11. Paradigms in Machine Learning

11.1 Supervised Learning Paradigm

11.2 Unsupervised Learning Paradigm

11.3 Reinforcement Learning Paradigm

11.4 Other Learning Paradigms

11.5 Summary

Quizzes for Chapter 11

Part V. Learning: Chapter 12. Models in Machine Learning

12.1 Probabilistic Models

12.2 Geometric Models

12.3 Logical Models

12.4 Networked Models

12.5 Summary

Quizzes for Chapter 12

（注：課程大綱排版從左到右列^[2-3] ）

人工智能原理課前預備

人工智能原理預備知識

學習人工智能原理課程，學習者最好具備一定的數據結構、算法等計算機知識，概率論、線性代數等數學知識，以及機器學習的基礎知識。^[2]

人工智能原理學習資料

書名	作者	ISBN	出版時間	出版社
《人工智能原理》	王文敏	9787040521887	2019年08月28日	高等教育出版社
《Artificial Intelligence: A Modern Approach （3rd Edition）》	Stuart Russell, Peter Norvig	-	2009年12月11日	普倫蒂斯霍爾出版社
《人工智能：一種現代的方法（第3版）》	Stuart Russell等	-	2013年11月1日	清華大學出版社
《Foundations of Machine Learning》	Mehryar Mohri, Afshin Rostamizadeh and Ameet Talwalkar	9780262018258	2012年8月17日	麻省理工出版社

（注：表格內容參考資料^[2-5] ）

人工智能原理證書要求

該課程採用百分制，達到60分算“合格”，達到85分以上算“優秀”。由任課教師簽發課程證書，其中成績“優秀”者將頒發優秀證書。

其中：

單元測試30%【12個單元測試，共100道題目，佔總成績30分】

單元作業30%【兩次作業，每個作業佔總成績的15分，共計30分】

考試40%【最後一週進行，共計40分】^[2]

人工智能原理所獲榮譽

2019年1月8日，該課程被中華人民共和國教育部認定為“2018年國家精品在線開放課程”。^[1]

人工智能原理教師簡介

王文敏，北京大學教授。1989年3月取得哈工大計算機博士學位，畢業後任哈理工、哈工大副教授等。2013年9月至2016年3月任北京大學信息工程學院院長。主要研究領域：計算機視覺、多媒體檢索、人工智能與機器學習。^[6]

參考資料

1. 教育部關於公佈2018年國家精品在線開放課程認定結果的通知．中華人民共和國教育部政府門户網站[引用日期2021-03-01]
2. 人工智能原理：第1次開課．中國大學MOOC[引用日期2021-03-01]
3. 工業機器人實操與應用技巧：第8次開課．中國大學MOOC[引用日期2021-03-01]
4. 人工智能原理 - 圖書展示頁 - 高等教育出版社門户網站．高等教育出版社[引用日期2021-03-01]
5. Foundations of machine learning ．中國國家圖書館[引用日期2021-03-01]
6. 王文敏．中國大學MOOC[引用日期2021-03-01]

人工智能原理的概述圖（1張）

詞條統計

瀏覽次數：次
編輯次數：8次歷史版本
最近更新：洛伦啊（2021-03-22）

1 課程性質: 1.1 課程背景; 1.2 課程定位
2 開課信息
3 課程簡介
4 課程大綱
5 課前預備: 5.1 預備知識; 5.2 學習資料
6 證書要求
7 所獲榮譽
8 教師簡介