CS188: Introduction to Artificial Intelligence
- 开设学校：UC Berkeley
- 课程页面：CS188
- 课程视频：每学期schedule都有Recording
内容介绍
这是一门人工智能的导论课，课程的资源都是公开的，除了部分需要助教批改的作业不公开，HW的Gradescope code可以在每学期Policies中audit相关的内容中看到。
如果你想快速了解人工智能，上手实践的话，这门课可能不适合你，我会更加推荐Dive into Deep Learning这类动手实践的教材/课程。
课程主要学习人工智能所需要的预备知识，包括搜索、规划、马尔可夫过程、贝叶斯网络等等，其中穿插学习了强化学习和机器学习，如果你想系统的了解人工智能，并为将来的学习打基础，这门课是一个很好的选择。
学习资源
- Slides/Recording: 23Spring由Peyrin和Russell主讲，他们的风格很不同，我有时候更喜欢听Russell上的课，这门课前期可以通过阅读Notes和Slides学习，到后期或者是看note不懂的时候强烈建议看视频！
- Notes: Notes与课程紧密相关，但并不是所有内容都会在Notes中呈现，有时间的朋友还是应该去看一下视频
- Discussion/HW: 主要是课后的联系，与授课内容相关，建议完成
- Project: 前五个Project是有关吃豆人，测试很全，最后一个是机器学习的综合，每个Project会让你在框架下实现学习过的算法，感兴趣的朋友也可以自己去阅读框架
个人感想
这门课的难度不大，很多纠结的知识点回头翻一下slides/notes就能理清，但是这门课的难点在于它的广度，它涉及到了人工智能的很多方面，但是又没有很深入到某一个方面，我每次做exam的时候都很头疼。
这门课并没有教我们使用pytorch/tensorflow等框架，真真正正的落实在了算法上。
课程所用的教科书是很出名的AIMA(Artificial Intelligence: A Modern Approach)，我在学习CS188之初还妄想一起看完它，事实证明不太可能，每节课都有推荐阅读的章节，建议按着它来就好。2023年初第四版的翻译也面市了，对照着原版读感觉翻译的还是有些问题，像是有的伪代码居然换成了中文，还是会有些不习惯，一些印刷错误应该还在不断修正，总体还是可以接受的。 如果想要了解机器学习，可以了解了解CS189/289A Introduction to Machine Learning