CMU 15-381 人工智能：

课程名称： Artificial Intelligence: Representation and Problem Solving
课程官网地址：官网、2019年春
先修课程： 15-150 函数式编程原理或15-122 命令式计算原理、15-210 并行和顺序数据结构和算法、CMU 21-127 数学概念、CMU 21-241 矩阵和线性变换
重要程度： ※※※※※
课程评点： 该校计算机科学系为本科生开设的一门 人工智能入门课程；本科级AI入门课，涵盖搜索、概率推理、机器学习等。

课程说明

完成课程后，学生将能够：理解智能代理在 确定性与不确定性环境下 的决策策略；掌握多种 AI 问题建模方法：搜索、规划、概率推理、学习；编写能在复杂环境中完成任务的 AI 系统（如游戏智能体、路径导航、学习分类器）；为后续深入学习如机器学习、计算机视觉、自然语言处理等课程打下基础

• 搜索与路径规划：宽度优先 / 深度优先搜索（BFS / DFS）、启发式搜索（如 A* 和 IDA*）、图搜索与优化策略
• 约束满足问题（CSP）与逻辑推理：变量选择与约束传播、回溯搜索与 AC-3 算法、命题逻辑与 SAT
• 博弈与决策制定：对抗搜索（Minimax，Alpha-Beta 剪枝）、概率博弈中的最大期望搜索（Expectimax）、策略规划与策略迭代
• 不确定性与贝叶斯网络：条件概率推理、隐马尔可夫模型（HMM）、动态规划与信念更新
• 马尔可夫决策过程（MDPs）与强化学习：值迭代、策略迭代、Q-learning 等基本强化学习方法
• 机器学习导论：决策树、朴素贝叶斯、感知机、线性分类器

推荐教材与资料

• 无指定教材，主要使用 自编讲义 + 公开论文 + 在线阅读材料
• 常参考书籍：
  • Russell & Norvig, Artificial Intelligence: A Modern Approach（经典教材）
  • David Poole & Alan Mackworth, Artificial Intelligence: Foundations of Computational Agents