斯坦福经典AI课程CS 221官方笔记来了!机器学习模型、贝叶斯网络等重点速查...
来源:新智元、Stanford
作者:鹏飞
斯坦福大学的人工智能课程“CS 221”,这门铁打的课程从2011年开始已经走过了8个年头,流水的讲师换了一批又一批,送走的毕业生一拨又一拨,至今仍然是人工智能学习的经典课程之一。目前2019年春季课程正在如火如荼的开展中。
这门课程是没有教科书的,所有内容都蕴含在讲师的教案以及课后作业中。不过为了方便广大不能亲临现场听讲的同学,课程官方推出了课程笔记CheatSheet,涵盖4大类模型。
笔记已在GitHub开源,5份PDF供大家下载保存打印当成鼠标垫设成壁纸做成窗帘裁成小册子…随便你选择自己合适的操作方式。地址:
https://github.com/afshinea/stanford-cs-221-artificial-intelligence/blob/master/cheatsheet-reflex-models.pdf
因为每年课程可能都会有更新,所以在介绍笔记之前,让我们先对今年春季课程有一个先入的了解,便于新进同学少走弯路。
这门课程是关于什么的?
网络搜索,语音识别,人脸识别,机器翻译,自动驾驶和自动调度有什么共同之处?这些都是复杂的现实问题,人工智能的目标是用严格的数学工具解决这些问题。
在本课程中,你讲学习这些应用程序的基本原则并实践其中一些系统。具体主题包括机器学习,搜索,游戏,马尔可夫决策过程,约束满足,图形模型和逻辑。该课程的主要目标是提供解决生活中可能遇到的新AI问题的工具。
预备知识
这门精进课程涵盖众多领域,而且课程进度飞快,要求学者必须在理论和经验方面都有坚实的基础。在开始学习该课程之前,确保你已经看过以下课程(或者其他途径学到的同等级课程)
编程 (CS 106A, CS 106B, CS 107)
离散数学 (CS 103)
概率 (CS 109)
接下来新智元来介绍一下笔记内容。
基于反射的机器学习模型
在本节介绍了基于反射的模型,这些模型可以通过经历具有输入-输出的样本来改善经验。这一节主要介绍了以下概念
线性预测变量
损失最小化
非线性预测变量
随机梯度下降
微调模型
部分子概念:
线性分类
K最近邻
神经网络
梯度下降
反向传播
近似和估计误差
具有搜索优化和MDP的基于状态的模型
本节主要介绍了搜索优化、马尔可夫决策过程和游戏。
部分子概念:
树搜索
搜索问题
广度优先搜索
深度优先搜索
图
统一成本搜索
A星搜索
马尔科夫决策
具有CSP和贝叶斯网络的基于变量的模型
本节主要讲了约束满足问题和贝叶斯网络。
部分子概念:
因子图
Markov blanket
贝叶斯网络
基于逻辑的模型,具有命题和一阶逻辑
本节主要介绍了该模型概念、命题逻辑和一阶逻辑。
部分子概念:
概念
解释功能
分辨率推理规则
官方笔记地址:
https://stanford.edu/~shervine/teaching/cs-221/cheatsheet-reflex-models
留言内容为:【day n】今天我学到了什么或者今天打算学什么。(至少10个字,越详细越好)
推荐阅读:
一大批历史精彩文章啦
详解Transition-based Dependency parser基于转移的依存句法解析器
干货 | 找工作的经验总结(一)
经验 | 初入NLP领域的一些小建议
学术 | 如何写一篇合格的NLP论文
干货 | 那些高产的学者都是怎样工作的?
是时候研读一波导师的论文--一个简单有效的联合模型
近年来NLP在法律领域的相关研究工作
好文!在看!
斯坦福经典AI课程CS 221官方笔记来了!机器学习模型、贝叶斯网络等重点速查...相关推荐
- 机器学习-白板推导-系列(九)笔记:概率图模型: 贝叶斯网络/马尔可夫随机场/推断/道德图/因子图
文章目录 0 笔记说明 1 背景介绍 1.1 概率公式 1.2 概率图简介 1.2.1 表示 1.2.2 推断 1.2.3 学习 1.2.4 决策 1.3 图 2 贝叶斯网络 2.1 条件独立性 2. ...
- 斯坦福 CS228 概率图模型中文讲义 四、贝叶斯网络
四.贝叶斯网络 原文:Bayesian networks 译者:飞龙 协议:CC BY-NC-SA 4.0 自豪地采用谷歌翻译 我们从表示的话题开始:我们如何选择概率分布来为世界的一些有趣方面建模? ...
- 【机器学习】贝叶斯机器学习:经典模型与代码实现
贝叶斯机器学习 Author:louwill Machine Learning Lab 贝叶斯定理是概率模型中最著名的理论之一,在机器学习中也有着广泛的应用.基于贝叶斯理论常用的机器学习概率模型包括朴 ...
- 30年前的热门研究,今获经典论文奖,贝叶斯网络之父旧论文「考古」
机器之心报道 编辑:魔王.蛋酱.张倩 一篇 30 年前的论文,因为一次获奖,又重新出现在世人眼前. 近日,图灵奖得主.贝叶斯网络之父 Judea Pearl 在推特上提到,自己在三十年前与当时的博士生 ...
- 图灵奖得主Judea Pearl :从“贝叶斯网络之父”到“AI社区的叛徒”
图灵奖得主Judea Pearl,早在40多年前便通过贝叶斯网的设计,使机器实现概率推理而在人工智能领域声名大噪,并被誉为"贝叶斯网络之父",但近年却公开声称自己其实是人工智能社 ...
- 机器学习数据挖掘笔记_18(PGM练习二:贝叶斯网络在遗传图谱在的应用)
前言: 这是coursera课程:Probabilistic Graphical Models 上的第二个实验,主要是用贝叶斯网络对基因遗传问题进行一些计算.具体实验内容可参考实验指导教材:bayes ...
- 电子科技大学人工智能期末复习笔记(四):概率与贝叶斯网络
目录 前言 概率 概率公式 贝叶斯公式 链式条件概率 例题 1. 求联合概率分布/边缘概率分布/条件概率分布 2. 灵活运用贝叶斯公式 概率总结 贝叶斯网络 判断独立性 两个事件独立的判断 条件独立性 ...
- 有关贝叶斯概率和贝叶斯网络和贝叶斯因果网络的自习笔记
回校一周了,前段时间忙活着组会讨论班的事儿,然后安装了一个Ubuntu的双系统,暂时不想码代码先把一直好奇的贝叶斯网络了解下. 贝叶斯概率 首先是贝叶斯概率.贝叶斯作为泥腿子颠覆了前人"事件 ...
- 谷歌最新AI产品——AutoML Vision,可以自动设计机器学习模型
今天凌晨时分,李飞飞通过一篇博客文章发布了谷歌最新AI产品--AutoML Vision,可以自动设计机器学习模型. 我很荣幸地宣布AutoML Vision面世.无需精通机器学习,每个人都能用这款A ...
- R语言︱贝叶斯网络语言实现及与朴素贝叶斯区别(笔记)
每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 一.贝叶斯网络与朴素贝叶斯的区别 朴素贝叶斯的 ...
最新文章
- NAT技术和代理服务器
- oracle 生成 json文件,oracle - PLSQL导入JSON并导出为JSON文件 - 堆栈内存溢出
- VTK:图片之ImageFFT
- 起名算法 php,PHP实现各种经典算法详解
- 每日程序C语言38-输入字符串求长度
- 导致散户亏损的三大根源
- 怎样用c语言写超市管理程序,C语言超市收银管理系统实现程序.doc
- stringstream的基本用法
- 20应用统计考研复试要点(part8)--应用多元分析
- 客运售票员_「我做一天春运人」体验通村客车售票员兼安全员 温馨慢车上我背着太阳奔跑...
- 自建latex服务器,通过在线服务器编译LaTeX
- 如何对物联网数据进行大数据分析
- 使用sharepoint自带的文本编辑器1
- 【更新】iWebOffice2009全文批注 V10.8发布 | 附下载
- 云盘上传一直显示服务器出错_百度云盘上传不了文件,显示服务器错误
- python xlwt_python使用xlwt编辑excel
- python 求复数的模
- opencv+QT+vs 中显示图片总结
- 学python要多少钱-python编程培训需要多少钱?
- 一个压长定式衍生出的一个角部攻防
热门文章
- 请不要重复犯我在学习Python和Linux系统上的错误
- .[转] 读十年书,不如读懂这百句话
- JS弹出窗口的运用与技巧
- 项目中比较常用的数据筛选场景
- java.toString(),(String),String.valueOf的区别
- java学习日记-基础-列出2~100内的素数
- 基于朴素贝叶斯的定位算法
- 企业如何做好EDM-企业做EDM的方案设计
- 一个简单的登陆功能模块
- ZeroC IceGrid demo构建(继承Ice::Application类)