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

  1. 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. ...

  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? ...

  3. 【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 ...

  4. 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 ...

  5. 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 ...

  6. 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 ...

  7. 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 ...

  8. 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 ...

  9. 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 ...

  10. 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

  1. NAT技术和代理服务器
  2. oracle 生成 json文件,oracle - PLSQL导入JSON并导出为JSON文件 - 堆栈内存溢出
  3. VTK：图片之ImageFFT
  4. 起名算法 php,PHP实现各种经典算法详解
  5. 每日程序C语言38-输入字符串求长度
  6. 导致散户亏损的三大根源
  7. 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
  8. stringstream的基本用法
  9. 20应用统计考研复试要点(part8)--应用多元分析
  10. 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...
  11. 自建latex服务器,通过在线服务器编译LaTeX
  12. 如何对物联网数据进行大数据分析
  13. 使用sharepoint自带的文本编辑器1
  14. 【更新】iWebOffice2009全文批注 V10.8发布 | 附下载
  15. 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
  16. python xlwt_python使用xlwt编辑excel
  17. python 求复数的模
  18. opencv+QT+vs 中显示图片总结
  19. 学python要多少钱-python编程培训需要多少钱？
  20. 一个压长定式衍生出的一个角部攻防

热门文章

  1. 请不要重复犯我在学习Python和Linux系统上的错误
  2. .[转] 读十年书，不如读懂这百句话
  3. JS弹出窗口的运用与技巧
  4. 项目中比较常用的数据筛选场景
  5. java.toString(),(String),String.valueOf的区别
  6. java学习日记-基础-列出2~100内的素数
  7. 基于朴素贝叶斯的定位算法
  8. 企业如何做好EDM-企业做EDM的方案设计
  9. 一个简单的登陆功能模块
  10. ZeroC IceGrid demo构建（继承Ice::Application类）