Fondation de l'intelligence artificielle
Une introduction à l'avance à l'IA mettant l'accent sur ses fondements théoriques. Les sujets incluent la recherche, la logique, la représentation des connaissances, la planification du raisonnement, la prise de décision dans l'incertitude et l'apprentissage automatique.
Sujets à couvrir
- Agents, rationalité, connaissance, raisonnement
- Python Coding Review (Voir également les notes de revue C ++)
- Résolution de problèmes via la recherche
- Recherche non informée
- Recherche éclairée, fonctions heuristiques
- Recherche locale: descente de gradient (escalade), recuit simulé, non-déterminisme
- Jeux, élagage alpha-bêta, introduction aux jeux stochastiques
- Problèmes de satisfaction des contraintes (CSP)
- Agents logiques
- Logique propositionnelle
- Réfutation de résolution
- Intro logique de premier ordre (fol)
- Unification; Fol inférence et résolution
- Planification classique
- Planification des ressources; Aperçu de la représentation des connaissances
- Revue de la probabilité, règle de Bayes
- Raisonnement probabiliste: inférence bayésienne
- Exemples de réseau bayésien
- Markov, modèles de Markov cachés (HMMS)
- Utilité, processus de décision de Markov (MDPS)
- MDPS, MDPS partiellement observables (POMDP)
- Intro théorie des jeux, introduction à l'apprentissage
- Apprentissage supervisé: arbres de décision
- Intro aux réseaux neuronaux, machines à vecteur de support (SVM)
- Introduction d'apprentissage du renforcement
Direcline pour certains projets
