课程介绍
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。
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。
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。
- Search（搜索算法）
- Knowledge（知识系统知识）
- Uncertainty（不确定性）
- Optimization（优化算法）
- Learning（模型学习）
- Neural Networks（神经网络）
- Language（自然语言处理）
课程资料 | 下载
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！
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：
- 📚 课件。PDF文件。覆盖Lecture 0~6全部章节（制作非常精美）。
- 📚 作业&答案。.py文件，覆盖Week 0~6的全部作业和答案。
课程视频 | B站
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
