人工智能导论
基本信息
课程名称：人工智能导论
课程介绍：本课程概述人工智能的发展历史、核心问题与主要方法，涵盖搜索与规划、知识表示、推理、强化学习、机器学习基础、神经网络简介与应用实例等内容，帮助学生建立对 AI 领域的宏观理解。
课程画像：
- 课程类型：平台
- 学分：3 学分
- 考核方式：理论作业 · 实践作业 · 期末项目
课程资料区
课程教材：
- 《人工智能：现代方法》（第4版），Stuart Russell，人民邮电出版社
- 《机器学习》（周志华著），清华大学出版社，西瓜书
- 《动手学深度学习》
课程资料库（课件，理论/实践作业等）：repo
经验分享区
课程定位评价：难度逐年提高，理论内容部分题目较为抽象不易理解，实践内容也需要一定的python编程基础。
作业反馈：
- 2025年秋季学期
- 实践作业部分来自cs188，需要学生自己实现一些算法，例如搜索算法、规划算法、强化学习算法等，代码量适中，但是理解起来相对耗时，需要学生自己多次调试。
- 理论作业较为抽象繁琐，需要学生自己推导公式等等，部分题目连AI都难以解决，需要学生自己思考。
项目反馈：
- 2025年秋季学期
- 期末项目主题不限，建议学生在项目中应用所学知识，例如实现一个简单的智能体、解决一个实际问题等。
- 2026年春季学期
- 期末项目共七个方向（大模型数学推理增强、大模型逻辑推理增强、基于大模型的旅行规划、大模型智能体、抽象视觉推理、开放词汇目标检测、零样本提示分割、也可以自己选题向老师申请）仿照学术会议方式线上提交。
学习建议：
- 理论作业建议多参考教材和课程ppt，理解每一个定义和定理的意义，必要时可以使用AI辅助理解。
- 实践作业建议多参考cs188的相关资料，理解每一个算法的实现原理，必要时可以使用AI辅助调试代码，但关键是要理解代码的每一步在做什么。