comp3711:人工智能
学生们研究广泛应用领域的人工智能算法。向学生介绍经典人工智能技术和软计算技术的使用。经典的人工智能技术包括知识表示、启发式算法、基于规则的系统和概率推理。软计算技术包括模糊系统、神经网络和遗传算法。学生学习机器学习的基本概念以及监督学习和非监督学习的区别。学生们应用机器学习算法来解决现实生活中的问题。
学习成果
在完成本课程后,学生将对人工智能、模型、方法和应用有一个良好的理解。学生应能:
- 审视人工智能的主要领域和挑战。
- 区分哪些问题可以通过人工智能方法解决,哪些人工智能方法可能适合解决给定的问题。
- 用不同AI方法的语言/框架形式化给定的问题。
- 使用编程语言实现基本的AI算法。
- 应用AI基础知识和算法解决问题。
- 利用机器学习软件工具对数据集进行分类并分析结果。
课程主题
- 单元1:人工智能(AI)和代理
- 单元2:用搜索解决问题模块3:超越经典搜索
- 单元4:概率推理和知识表示
- 单元5:机器学习
所需文本和材料
学生将获得以下证书:
- 罗素,S. &诺维格,P.(2010)。人工智能:一种现代方法(第三ed)。上马鞍河,新泽西州:皮尔逊。
类型:教材ISBN: 978-13-604259-4
学生可在网上免费浏览下列资料:
- 普尔,D. L.和马克沃思,A. K.(2017)。人工智能:计算代理的基础(第二版)。英国剑桥:剑桥大学出版社。
免费下载:http://artint.info/2e/html/ArtInt2e.html
可选的材料
专业组织及刊物
为了你自己的职业发展,你可能想关注和/或订阅以下两个专业网络。
演示工具
这些工具有助于学习和探索人工智能中的概念。在整个课程中,你会发现这些都很有帮助。
注意:如果你对教材或其他材料有疑问,请发邮件OLMaterials.
评估
请注意,如果你的课程有期末考试,你需要向在线监考服务ProctorU或亲自批准的考试中心支付费用。请联系exams@tru.ca有任何问题。
为了顺利完成这门课程,学生必须在整个课程中取得50%或以上的及格成绩,并在期末强制性考试中取得50%或以上的及格成绩。
作业1:环境模拟器 | 5% |
作业2:A*搜索 | 8% |
作业3:超越经典搜索 | 10% |
作业4:有问题的推理和知识表示 | 15% |
作业5:机器学习 | 12% |
期末考试(强制) | 50% |
总计 | 100% |
开放学习教师信息
一个开放学习的教员可以帮助学生。学生将在课程开始时收到必要的联系方式。