伯克利 CS188 人工智能导论

课程名称： Introduction to Artificial Intelligence
官方入口： 课程主页、Berkeley AI Research Area
课程层级： 本科高年级
先修要求： Python、离散数学、概率、基础算法
重要程度： ※※※※※

课程定位

CS188 是全球自学者最常拿来入门 AI 的课程之一。原因很简单：它讲得系统、作业设计非常成熟、公开资料完整，而且真正覆盖了经典 AI 的核心骨架。和很多“只讲机器学习”的入门课不同，CS188 更关注智能体、搜索、推理、规划与决策。

核心内容

• 搜索：DFS、BFS、Uniform Cost Search、A*
• 对抗搜索：Minimax、Alpha-Beta
• 概率推理：贝叶斯网络、隐马尔可夫模型、推断算法
• 机器学习基础：分类、特征、感知机等
• 马尔可夫决策过程与强化学习

课程特色

这门课的项目体系非常出名，尤其是 Pacman 系列作业。它逼着你把搜索、博弈、推断和 RL 真的写出来，因此学习反馈非常直接。对自学者来说，这是比“只看视频”更有效的部分。

学习难点

• 课程节奏快，作业不轻
• 需要能把抽象算法落成代码，并调试边界情况
• 概率推理和 RL 部分会要求你同时理解公式与算法实现

学完后的衔接

• 机器学习：接 CS189
• 深度学习：接 CS182
• 强化学习：接 CS285
• 机器人 / 更高级 AI：接 CS287