24 / 30
人工智能
课程简介
- 讲师： Andrej Karpathy
- 先修要求： 具备基本的 Python 编程能力，并对深度学习概念有所了解
- 编程语言： Python
- 难度： 🌟🌟🌟🌟
- 课程时长： 约 19 小时
本课程由 Andrej Karpathy 讲授，是一个深入浅出的深度学习课程，旨在帮助学习者掌握神经网络的核心原理。课程从基础概念（如反向传播和 micrograd）入手，逐步带领学员构建语言模型、WaveNet，并从零开始实现 GPT。课程以实践为主，提供逐步讲解的代码示例，让学员能够理解并构建复杂的神经网络模型。
讲师信息
Andrej Karpathy 是一位知名的人工智能研究员和教育者，在深度学习和神经网络领域具有丰富的经验。他曾在 2017 至 2022 年担任特斯拉 AI 部门高级总监，领导 Tesla Autopilot 计算机视觉团队，负责数据标注、神经网络训练、部署等工作。在此之前，他曾是 OpenAI 的研究科学家和创始成员（2015-2017）。2023 年，他回归 OpenAI，参与改进 ChatGPT 的 GPT-4。2024 年，他创立了 Eureka Labs，一家专注于 AI + 教育的公司。
Karpathy 拥有 斯坦福大学博士学位，师从 Fei-Fei Li（李飞飞），主要研究卷积神经网络和循环神经网络及其在计算机视觉和自然语言处理中的应用。他曾与 Daphne Koller、Andrew Ng（吴恩达）、Sebastian Thrun 和 Vladlen Koltun 等知名研究员合作。此外，他还在斯坦福大学教授了首个深度学习课程 CS 231n: 卷积神经网络与视觉识别，该课程逐渐发展为斯坦福大学规模最大的课程之一。
课程资源
- 课程视频： YouTube 播放列表
- 作业： 课程中提供的代码实践和项目练习
更多信息请访问 YouTube 观看完整课程视频。
Harvard CS50's Introduction to AI with Python
课程简介
- 所属大学：Harvard
- 先修要求：基本概率论 + Python 基础
- 编程语言：Python
- 课程难度：🌟🌟🌟
- 预计学时：30 小时
一门非常基础的 AI 入门课，让人眼前一亮的是 12 个设计精巧的编程作业，都会用学到的 AI 知识去实现一个简易的游戏 AI，比如用强化学习训练一个 Nim 游戏的 AI，用 alpha-beta 剪枝去扫雷等等，非常适合新手入门或者大佬休闲。
课程资源
资源汇总
@PKUFlyingPig 在学习这门课中用到的所有资源和作业实现都汇总在 PKUFlyingPig/cs50_ai - GitHub 中。
UCB CS188: Introduction to Artificial Intelligence
课程简介
- 所属大学：UC Berkeley
- 先修要求：CS70
- 编程语言：Python
- 课程难度：🌟🌟🌟
- 预计学时：50 小时
伯克利的人工智能入门课，课程 notes 写得非常深入浅出，基本不需要观看课程视频。课程内容的安排基本按照人工智能的经典教材 Artificial intelligence: A Modern Approach 的章节顺序，覆盖了搜索剪枝、约束满足问题、马尔可夫决策过程、强化学习、贝叶斯网络、隐马尔可夫模型以及基础的机器学习和神经网络的相关内容。
目前Spring 2024是最新一期视频与资料完整、开放了旁听gradescope的版本，大家可以在线完成书面作业并实时得到测评结果。同时课程的 6 个 Project 也是质量爆炸，复现了经典的 Packman（吃豆人）小游戏，会让你利用学到的 AI 知识，去实现相关算法，让你的吃豆人在迷宫里自由穿梭，躲避鬼怪，收集豆子。
课程资源
- 课程网站：Spring 2024
- 课程视频：每节课的链接详见课程网站
- 课程教材：Artificial intelligence: A Modern Approach
- 课程作业：在线测评书面作业和 Projects，详见课程网站