哈佛Python人工智能入门-学习资料
哈佛Python人工智能入门课程,内容覆盖搜索、知识解析与推理、概率模型、HMM、监督学习、SVM、强化学习、无监督、聚类、神经网络、tensorflow、NLP、语法解析、词袋模型、tf-idf、word2vec等

关键词标签: 哈佛, 搜索, 知识解析与推理, 概率模型, 神经网络, tensorflow, word2vec
CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门
🏆 课程学习中心 | 🚧 深度学习课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Introduction to Artificial Intelligence with Python
Python人工智能入门
Harvard University
哈佛大学
CS50-AI
⭐⭐⭐⭐⭐


课程介绍

CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门

本课程是全球顶校Harvard哈佛大学开设的 CS50 系列课程的分支之一,结合Python编程语言,探讨现代人工智能的基础概念和算法,深入探讨对游戏引擎、手写识别和机器翻译等技术的理解和思考。课程延续了哈佛一如既往的激情活泼风格,非常具备启发性。

CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门

通过课程学习,学生可以接触到图搜索算法、分类、优化、强化学习以及人工智能、机器学习等背后的理论,并整合到自己的 Python 程序中。到课程结束时,学生将获得一个完整的项目经验、重组的AI原理知识、预计设计自己的智能系统的信心与能力。

CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门

课程讲师 Brian Yu,本科与硕士均就读于哈佛大学,曾担任计算机科学高级导师,创建了人工智能课程、Web编程课程,并担任哈佛计算机科学入门课程 CS50 的课程负责人和联合讲师。现任职于 Automattic。

课程讲师 David J. Malan,哈佛大学工程与应用科学学院计算机科学实践 Gordon McKay 教授、教育研究生院教育学院成员和哈佛商学院执行研究员。他教授的 CS50 成为哈佛大学、耶鲁大学受众最大的课程之一,并成为 edX 最大的 MOOC,注册人数超过 400 万。


课程主题

CS50-AI 课程内容覆盖从传统通用算法(搜索算法、知识系统、概率模型)、典型机器学习算法(监督学习、KNN、感知器、svm、无监督、聚类)到机器学习优化知识(损失函数、过拟合,正则化),再到深度学习(卷积神经网络,循环神经网络)与垂直领域应用(自然语言处理),真正做到了广而全。


课程资料 | 下载

CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门

扫描上方图片二维码,关注公众号并回复关键字 🎯『CS50-AI』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【双语字幕+资料下载】哈佛CS50-AI | Python人工智能入门(2020·完整版)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里:

课时编号 课时内容
第0讲第1部分 搜索算法 (搜索问题,深度优先搜索)
第0讲第2部分 搜索算法(广度优先搜索,贪心搜索,A*算法)
第0讲第3部分 搜索算法(极大极小算法,剪枝,深度限制)
第1讲第1部分 知识系统知识(知识,逻辑)
第1讲第2部分 知识系统知识(推断,知识工程)
第1讲第3部分 知识系统知识(推断规则,解析)
第2讲第1部分 不确定性(概率模型,条件概率,随机变量,贝叶斯规则)
第2讲第2部分 不确定性(联合概率,贝叶斯网络)
第2讲第3部分 不确定性(采样,马尔可夫,HMM)
第3讲第1部分 优化算法(优化,局部搜索,Hill Climbing)
第3讲第2部分 优化算法(线性搜索,节点一致性)
第3讲第3部分 优化算法(回溯搜索等)
第4讲第1部分 模型学习(机器学习,监督学习,感知器,svm)
第4讲第2部分 模型学习(回归,损失函数,过拟合,正则化,强化学习,sklearn)
第4讲第3部分 模型学习(马尔可夫决策过程,Q学习,无监督,聚类)
第5讲第1部分 神经网络(神经网络,激活函数,梯度下降,多层网络)
第5讲第2部分 神经网络(反向传播,过拟合,tensorflow,计算机视觉)
第5讲第3部分 神经网络(卷积神经网络,循环神经网络)
第6讲第1部分 自然语言处理(语言,语法与语义,nltk,n-grams)
第6讲第2部分 自然语言处理(马尔可夫,词袋,朴素贝叶斯,信息检索,tf-idf)
第6讲第3部分 自然语言处理(信息抽取,词网,word2vec)


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
CS50; Introduction to Artificial Intelligence with Python; Python人工智能入门
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!