铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI

最近，加州大学伯克利分校（UC Berkeley）发布了2018秋季人工智能导论课程的全部资源，学校课程代号CS 188。

这套课程介绍了AI系统设计的基本思路和基础技术，面向AI新手，门槛绝对友好。

此外，这次放出的资料超全，可能丰富到让你有些眼花缭乱：

全部课程的PDF版讲义、课程PPT、视频、课后作业甚至作业的答案都在这了。

不怕学不会，就怕不开始！

伯克利教授Pieter Abbeel在推特上推荐没几天，点赞即将破千了。

寒假将至，春节小长假也开始倒计时，还有比这套人气爆棚的课程更适合充电的么~

教学大纲

自学时间怎么安排？给你个参考。

UC Berkeley学生的上课周期共4个月，分16节课上完。每天学一点，细水长流4个月也就学完了。

官方介绍说，这套课程将重点放在了统计学和决策理论上。课程结束后，学生能够在全部信息、部分观察信息和对抗环境中构建出决策AI。

最终，你的AI模型将能在不确定环境下进行推理，跟据奖励结构自己优化行为。UC Berkeley表示，这套课程是未来进一步研究AI应用不可跨越的基础。

量子位随便打开了其中某一章节的讲义，发现讲义中还配备了大量的卡通插画，缓解视觉疲劳的同时也帮助理解：

完整课程大纲如下图：

可以看出，这16节课包含的内容不少，约束补偿问题、博弈树、马尔科夫决策过程、强化学习、概率问题、BN算法、隐马尔可夫模型等内容大多分2课时讲解，用时最多的是机器学习相关内容，共分配了4课时。

打开姿势

这套人工智能导论是UC Berkeley在校生的同款课程，所以外校学生无法访问内网获取。

别急，只需两步就能get正确姿势。

首先，需要再Gradescope上（下有地址）创建一个账户，之后填入注册码93PWD8即可获取。

注册成功后即可进入学习界面：

整套课程交互方式比较有趣，比如在线学习后也能在线做题：

Attention：课程视频为Youtube资源，还请注意科学前往。

传送门

课程清单：

https://inst.eecs.berkeley.edu/~cs188/fa18/

课程注册地址：

https://www.gradescope.com/login

讲义PDF：

https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_lectures_pdf.zip

讲义PPT：

https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_lectures_pptx.zip

作业：

https://inst.eecs.berkeley.edu/~cs188/fa18/assets/archives/fa18_cs188_hw.zip

— 完 —
量子位 · QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态

量子位​www.zhihu.com

欢迎大家关注我们，以及订阅我们的知乎专栏诚挚招聘
量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！
相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。