慕课-成都文理学院

人工智能：模型与算法_浙江大学

课程类型：选修课

发布时间：2024-11-27 11:00:04

主讲教师：

课程来源：

建议学分：0.00分

课程编码：mk004917

课程介绍

课程目录

教师团队

{10}--第十周：强化学习

[10.1.1]--10.1 强化学习定义.mp4 （0分钟）

[10.2.1]--10.2 策略优化与策略评估.mp4 （0分钟）

[10.3.1]--10.3 强化学习求解 Q Learning.mp4 （0分钟）

[10.4.1]--10.4 深度强化学习.mp4 （0分钟）

[10.5.1]--10.5.1 基于MindSpore的走迷宫问题.mp4 （0分钟）

[10.5.2]--10.5.2 基于MindSpore DQN实现平衡车场景.mp4 （0分钟）

{11}--第十一周：人工智能博弈

[11.1.1]--11.1 博弈相关概念.mp4 （0分钟）

[11.2.1]--11.2 遗憾最小化算法.mp4 （0分钟）

[11.3.1]--11.3 虚拟遗憾最小化算法.mp4 （0分钟）

[11.4.1]--11.4 人工智能安全.mp4 （0分钟）

{12}--第十二周：人工智能发展与挑战

[12.10.1]--Mo实训-K-means异常检测.mp4 （0分钟）

[12.11.1]--Mo实训-机器人自动走迷宫.mp4 （0分钟）

[12.1.1]--12.1 记忆驱动的智能计算.mp4 （0分钟）

[12.2.1]--12.2 可计算社会学.mp4 （0分钟）

[12.3.1]--12.3 若干挑战.mp4 （0分钟）

[12.5.1]--介绍ChatGPT的技术内容构成及其挑战.mp4 （0分钟）

[12.6.1]--介绍实训平台-Mo平台.mp4 （0分钟）

[12.7.1]--Mo实训-八皇后问题.mp4 （0分钟）

[12.8.1]--Mo实训-黑白棋讲解.mp4 （0分钟）

[12.9.1]--Mo实训-垃圾分类.mp4 （0分钟）

{13}--第十三周：算法实验

[13.1.1]--13.1 从计算机课程体系看人工智能教学内容变迁.mp4 （0分钟）

[13.2.1]--13.2 实验环境.mp4 （0分钟）

[13.3.1]--13.3 如何完成并测试你的实验作业.mp4 （0分钟）

[13.4.1]--13.4 实验作业题目.mp4 （0分钟）

[13.5.1]--13.5.1 基于Mindspore_Unet的医疗图像分割.mp4 （0分钟）

[13.5.2]--13.5.2 基于Mindspore进行中英机器翻译模型.mp4 （0分钟）

[13.5.3]--13.5.3 基于GAN网络的视觉类生成任务.mp4 （0分钟）

[13.5.4]--13.5.4 文本类生成任务.mp4 （0分钟）

{14}--第十四周人工智能、教育先行、人才为本

[14.1.1]--新一代人工智能的形成.mp4 （0分钟）

[14.2.1]--人工智能人才培养态势.mp4 （0分钟）

[14.3.1]--汇聚交叉、赋能社会.mp4 （0分钟）

[14.5.1]--101核心课程《人工智能引论》介绍.mp4 （0分钟）

{15}--期末考试

{1}--第一周人工智能概述

[1.1.1]--1.1 可计算思想起源与发展.mp4 （0分钟）

[1.2.1]--1.2 人工智能的发展简史.mp4 （0分钟）

[1.3.1]--1.3人工智能研究的基本内容.mp4 （0分钟）

[1.4.1]--1.4 人工智能芯片与框架介绍.mp4 （0分钟）

[1.5.1]--人工智能知识点全景图：迈向智能+时代蓝皮书.mp4 （0分钟）

[1.7.1]--GPT 和ChatGPT看AI发展.mp4 （0分钟）

[1.9.1]--计算机101计划《人工智能引论》课程一览.mp4 （0分钟）

{2}--第二周搜索求解

[2.1.1]--2.1启发式搜索.mp4 （0分钟）

[2.2.1]--2.2 对抗搜索.mp4 （0分钟）

[2.3.1]--2.3 蒙特卡洛树搜索.mp4 （0分钟）

{3}--第三周逻辑与推理（I）

[3.1.1]--3.1 命题逻辑.mp4 （0分钟）

[3.2.1]--3.2 谓词逻辑.mp4 （0分钟）

[3.3.1]--3.3 知识图谱推理：一阶归纳推理算法.mp4 （0分钟）

{4}--第四周逻辑与推理（II）

[4.1.1]--4.1知识图谱推理：路径排序算法.mp4 （0分钟）

[4.2.1]--4.2 因果推理.mp4 （0分钟）

[4.3.1]--4.3 斑马问题和八皇后问题.mp4 （0分钟）

{5}--第五周统计机器学习：监督学习

[5.1.1]--5.1 机器学习基本概念.mp4 （0分钟）

[5.2.1]--5.2 线性回归分析.mp4 （0分钟）

[5.3.1]--5.3提升算法（boosting）.mp4 （0分钟）

[5.4.1]--5.4 基于回归分析的有损图像恢复.mp4 （0分钟）

{6}--第六周统计机器学习：无监督学习

[6.1.1]--6.1 K均值聚类.mp4 （0分钟）

[6.2.1]--6.2 主成分分析.mp4 （0分钟）

[6.3.1]--6.3 特征人脸算法.mp4 （0分钟）

[6.4.1]--6.4 基于主成分分析的人脸识别算法.mp4 （0分钟）

{7}--第七周统计机器学习算法应用

[7.1.1]--7.1 逻辑斯蒂回归与分类.mp4 （0分钟）

[7.2.1]--7.2 潜在语义分析.mp4 （0分钟）

[7.3.1]--7.3线性区别分析及分类.mp4 （0分钟）

{8}--第八周深度学习（I）

[8.1.1]--8.1 深度学习基本概念.mp4 （0分钟）

[8.2.1]--8.2 前馈神经网络.mp4 （0分钟）

[8.3.1]--8.3 误差后向传播(BP).mp4 （0分钟）

[8.4.1]--8.4.1 基于MindSpore的房价预测.mp4 （0分钟）

[8.4.2]--8.4.2 基于前馈神经网络的手写数字识别.mp4 （0分钟）

{9}--第九周：深度学习（II）

[9.1.1]--9.1 卷积神经网络.mp4 （0分钟）

[9.2.1]--9.2 -自然语言理解与视觉分析.mp4 （0分钟）

[9.3.1]--9.3.1 基于Mindspore_Lenet的手写数字识别.mp4 （0分钟）

[9.3.2]--9.3.2 基于Mindspore_LSTM手写数字识别.mp4 （0分钟）

[9.3.3]--9.3.3 基于MindSpore实现垃圾分类.mp4 （0分钟）

[9.3.4]--9.3.4 基于MindSpore实现作家文风识别.mp4 （0分钟）