人工智能引论 (2122026)

课程信息

参考书目

课程考核

  1. 成绩组成:论文宣讲 (30%), 报告编写(60%), 平时(10%)
  2. 组队形式: <= 3人一组，自由组队，对所选研究方向进行研究和报告
  3. 作业要求: 提交该研究方向的报告（报告每个人一篇），并制作PPT，在课堂上进行 20分钟左右的研究报告。论文参考 NIPS, ICML,AAAI, IJCAI, CVPR, ICCV, ACL等国际会议
  4. 加分项: 课堂回答问题 每次2-5分，上限20分

课程安排

周 主题 课程内容
1基本概念 Slide1Case1
2统计学习Generative Model & Discriminate Model, Graphical Model, LDA Slide2Case2
3统计学习Bayesian theory, EM Algorithm, Markov Chain, (Hidden) Markov Network, Sampling, MLE&MAP Slide3Case3
4深度学习Perception, Multi-Lay Perception (MLP) and Convolutional Neural Network (CNN) Slide4
5深度学习Recurrent Neural Network (RNN), Long Short-Term Memory (LSTM), Restricted Boltzmann Machine (RBM), Deep Belief Network (DBN), AutoEncoder and Generative Adversarial Network(GAN) Slide5
6强化学习Markov Decision Process (MDP), Q-Learning, Policy Gradient, Inverse RL (IRL), AlphaGo Slide6
7 & 8项目Demo及展示Review

课程资源