-
学习人数
689
-
难度级别
中级
-
课程时长
0秒
-
综合评分
10
￥ 3888.00
- 第1章 人工智能的整体概念梳理
- 1-1 人工智能的概述和基本概念 （ 00:00）
- 1-2 优化知识 （ 00:00）
- 1-3 概率 （ 00:00）
- 第2章 搜索和博弈方法
- 2-1 树搜索 （ 00:00）
- 2-2 动态规划，等代价搜索 （ 00:00）
- 2-3 A*算法，启发式算法 （ 00:00）
- 2-4 极大极小值法 （ 00:00）
- 2-5 阶段测试：棋类游戏的博弈搜索 （ 00:00）
- 第3章 深度学习
- 3-1 深度学习的概念与发展 （ 00:00）
- 3-2 感知机 （ 00:00）
- 3-3 人工神经网络的基本结构和构建 （ 00:00）
- 3-4 卷积神经网络的构建与训练 （ 00:00）
- 3-5 递归神经网络的基本结构 （ 00:00）
- 3-6 阶段测试：深度学习应用在手势识别 （ 00:00）
- 第4章 强化学习
- 4-1 策迭迭代，价值迭代 （ 00:00）
- 4-2 策略评估，策略改进 （ 00:00）
- 4-3 强化学习，蒙特卡洛方法，SARSA，Q-learning （ 00:00）
- 4-4 深度强化学习简介 （ 00:00）
- 4-5 阶段测试： OpenAI gym 环境 （ 00:00）
- 第5章 监督和无监督学习
- 5-1 线性模型 （ 00:00）
- 5-2 聚类方法 （ 00:00）
- 5-3 自编码器 （ 00:00）
- 5-4 支持向量机 （ 00:00）
- 5-5 决策树 （ 00:00）
- 5-6 阶段测试：利用scikit learn对数据进行监督学习 （ 00:00）
- 第6章 人工智能前沿技术和未来发展
- 6-1 对抗网络 （ 00:00）
- 6-2 机器人领域 （ 00:00）
- 6-3 视觉和自动驾驶领域 （ 00:00）
讲师提示
高岳
- 讲师简介
- 上海交通大学副教授，上海交通大学自动化系特别副研究员，上海交通大学人工智能研究院特别副研究员，美国康奈尔大学计算机博士，美国威斯康星麦迪逊分校计算机学士，曾获得康奈尔大学优秀助教奖。曾任职于美国Epic Systems软件工程师。 研究方向：强化学习，多足机器人智能控制，机器人定位与建图，机器人力控等。
