CS5491
人工智能
📘 简介
本课程介绍人工智能中的算法和技术，重点是如何在不确定环境下进行推理，以及如何在有限训练样本或人类反馈下进行机器学习。课程内容涵盖搜索算法、强化学习、知识表示、不确定性推理、规划与执行等领域，并通过案例研究将理论与实际应用相结合。
🔗 相关链接
🎯 学习目标
完成课程后，学生将能够：
✔️ 使用搜索算法解决问题；
✔️ 描述并应用强化学习算法解决实际问题；
✔️ 通过知识表示和不确定性推理进行推断；
✔️ 评估人工智能在现代应用中的有效性。
📊 评估方式
| 评估项目 | 权重 | 具体描述 |
|---|---|---|
| 📝 Assignments | 20% | 实现和评估选定的 AI 算法，并将其应用于实际问题。 |
| 📄 Midterm | 20% | 测试学生对搜索和推理算法的基本理解。 |
| 🧑💻 Course Project | 30% | 基于现代 AI 方法设计并创建一个系统，用于解决实际问题，并提交课程报告。 |
| 🖥️ Final Examination | 30% | 综合评估学生对 AI 算法和技术的理解与应用能力，考试时间为 2 小时，最低通过分数需达到考试总分的 30%。 |
注意：必须在考试中取得至少 30% 的分数才能通过课程。
💬 课程评价
✨ 精选评价
✏️ 您也可以通过以下方式分享您的学习体验和建议：
-
1️⃣ 课程页面底部评论 💬 在课程页面底部直接提交您的评论，我们会审核后将其收录到精选评价中。
-
2️⃣ GitHub 提交 🌐 如果您希望更全面地分享课程评价，或希望修改或新增课程页面，欢迎参考 Contributing 页面，通过 GitHub 提交您的贡献。
💡 加入讨论
在下方评论分享您的评价、问题或经验👇
“期待你的评价。”
—— CityU