人工智能(Artificial Intelligence，简称AI)是以机器为载体所展示出来的人类智能，因此人工智能也被称为机器智能(Machine Intelligence)。对人类智能的模拟可通过以符号主义为核心的逻辑推理、以问题求解为核心的探询搜索、以数据驱动为核心的机器学习、以行为主义为核心的强化学习和以博弈对抗为核心的决策智能等方法来实现。
本课程成体系介绍人工智能的基本概念和基础算法，可帮助学习者掌握人工智能脉络体系，体会具能、使能和赋能，从算法层面对人工智能技术“知其意，悟其理，守其则，践其行”。课程内容包括如下：人工智能概述、搜索求解、逻辑与推理、监督学习、无监督学习、深度学习、强化学习、博弈对抗。
第一周 人工智能概述
1.1 可计算思想起源与发展
1.2 人工智能的发展简史
1.3人工智能研究的基本内容
1.4 人工智能芯片与框架介绍
人工智能知识点全景图：迈向智能+时代蓝皮书
人工智能概述课件
GPT 和ChatGPT看AI发展
浙江大学计算机学院人工智能课程课件（人工智能概述）
计算机101计划《人工智能引论》课程一览
第一周测试
第二周 搜索求解
2.1启发式搜索
2.2 对抗搜索
2.3 蒙特卡洛树搜索
搜索求解课件
浙江大学计算机学院人工智能课程课件（搜索求解）
第二周测试
第三周 逻辑与推理（I）
3.1 命题逻辑
3.2 谓词逻辑
3.3 知识图谱推理：一阶归纳推理算法
逻辑与推理(I)课件
浙江大学计算机学院人工智能课程课件（逻辑与推理）
第三周测试
第四周 逻辑与推理（II）
4.1 知识图谱推理：路径排序算法
4.2 因果推理
4.3 实践课程
逻辑与推理(II)课件
浙江大学计算机学院人工智能课程课件（逻辑与推理）
第四周测试
第五周 统计机器学习：监督学习
5.1 机器学习基本概念
5.2 线性回归分析
5.3提升算法（boosting）
5.4 实践课程
统计机器学习：监督学习课件
浙江大学计算机学院人工智能课程课件（监督学习）
第五周测试
第六周 统计机器学习：无监督学习
6.1 K均值聚类
6.2 主成分分析
6.3 特征人脸算法
6.4 实践课程
统计机器学习：无监督学习课件
浙江大学计算机学院人工智能课程课件（无监督学习）
第六周测试
第七周 统计机器学习算法应用
7.1 逻辑斯蒂回归与分类
7.2 潜在语义分析
7.3 线性区别分析及分类
统计机器学习算法应用课件
第七周测试
第八周 深度学习（I）
8.1 深度学习基本概念
8.2 前馈神经网络
8.3 误差后向传播(BP)
8.4 实践课程
深度学习课件
浙江大学图灵班人工智能本科专业课件（深度学习）
第八周测试
第九周：深度学习（II）
9.1 卷积神经网络
9.2 自然语言理解与视觉分析
9.3 实践课程
深度学习课件
浙江大学图灵班人工智能本科专业课件（深度学习）
第九周测试
第十周：强化学习
10.1 强化学习定义
10.2 策略优化与策略评估
10.3 强化学习求解: Q Learning
10.4 深度强化学习
10.5 实践课程
强化学习课件
浙江大学图灵班人工智能本科专业课件（强化学习）
第十周测试
第十一周：人工智能博弈
11.1 博弈相关概念
11.2 遗憾最小化算法
11.3 虚拟遗憾最小化算法
11.4 人工智能安全
人工智能博弈课件
浙江大学图灵班人工智能本科专业课件（人工智能博弈）
第十一周测试
第十二周：人工智能发展与挑战
12.1 记忆驱动的智能计算
12.2 可计算社会学
12.3 若干挑战
人工智能发展与挑战课件
12.4 ChatGPT的介绍
12.5 Mo平台介绍视频
12.6 Mo实训-八皇后问题
12.7 Mo实训-黑白棋讲解
12.8 Mo实训-垃圾分类
12.9 Mo实训-K-means异常检测
12.10 Mo实训-机器人自动走迷宫
第十三周：算法实验
13.1 人工智能课程体系演变
13.2 实验环境设置
13.3 如何完成并测试你的实验作业
13.4 实验作业题目
13.5 实践课程
算法实验的课件
第十四周 人工智能、教育先行、人才为本
新一代人工智能的形成
人工智能人才培养态势
汇聚交叉、赋能社会
构建人工智能育人生态促AI专业和交叉学科发展课件
101核心课程《人工智能引论》介绍