在线课程 – 人工智能导论：在 Google 和墨西哥国立自治大学进行认证专业实习

人工智能 60 年

课程 1 • 5 小时 • 4.8 （416 个等级）

课程详情

学习内容

• 在本课程中，由墨西哥国立大学 （UNAM） 提供，我们将回顾人工智能的过去、现在和未来。
• 我们还将提及有助于继续实施特殊计划的重要概念。
• 我们将讨论人工智能发展的社会、伦理和哲学影响。

人为的结论

课程 2 • 20 小时 • 4.1 （104 评分）

课程详情

学习内容

• 形式推理在人工智能中起着重要作用。
• 应用推理有两种主要方法：一种强调推理（逻辑），另一种强调不确定性（概率论）。
• 在本课程中，我们将回顾对逻辑（我们将看到三种类型的逻辑）和概率论（我们将看到三种概率图形模型）的介绍。
• 一些任务需要 Python 的基本编程：学生必须完成已部分删除的代码。

排查搜索问题

课程 3 • 18 小时 • 4.6 （21 评分）

课程详情

学习内容

• 该课程涉及使用搜索算法自动解决问题。
• 您将学习如何将问题绘制为状态-动作图，并通过识别参数来衡量其复杂性。
• 我们还将了解如何分析算法计算资源的消耗，以选择或调整最适合问题的算法。
• 我们希望看到您在具体问题上运行算法。
• 我们将陪伴您完成算法在 Python 编程语言中的应用，并查看它们在示例问题中的应用示例。
• 最后，您可以在一个有趣的搜索空间中测试您的算法：Rubik’s Cube 解决方案。

进化计算

课程 4 • 19 小时 • 4.1 （21 评分）

课程详情

学习内容

• 进化计算 （EC） 使用自然进化和遗传学理论对计算结构进行进化调整。
• 它提供了一种处理各个领域复杂问题的替代方法，例如工程、经济学、化学、医学和艺术。
• 给定问题的可能解决方案的种群被比作每一代人都在进步的生物体种群。
• 通过重新组合种群中最好的个体并将亲本特征转移到创造它们的生物身上。
• 在这个领域，已经开发了各种进化方法，这些方法在构成种群的结构类型上有所不同。
• 进化算法 （AE） 被定义为优化和搜索方法，它们受到自然进化过程的影响并部分反映。
• 进化算法并不是起源于生物系统的唯一优化方法。
• 有各种各样的优化算法试图模仿自然系统的行为。

适应性行为

课程 5 • 9 小时 • 4.5 （24 评分）

课程详情

学习内容

• 生命是在不断变化的环境中进化的，因此它们已经开发出允许它们表现出适应性行为的机制。
• 在合成方法的帮助下，我们可以构建实现这些机制的人工自适应系统。
• 我们将以 Living Systems 的示例为基础，并研究允许系统自我适应的不同算法。
• 我们还将讨论与弹性相关的问题，以补充调整。
• 最后，我们将看到此类人工智能的一些应用。
• 在最终项目中，将开发一个显示自适应行为的人工系统。

计算创造力

课程 6 • 19 小时 • 4.6 （11 评分）

课程详情

学习内容

• 什么是创造力？计算机可以有创造力吗？
• 这个新领域是如何、何时以及为何建立的？
• 我们在创建“创造性”系统方面走了多远？
• 在叙事创作、音乐、科学发现、视觉艺术等方面，可以使用哪些理论、方法和发展来编程和评估这种类型的系统？
• 我们将分析这些问题以及更多问题，并在整个课程中讨论它们的含义。
• 随着课程的进行，您将逐渐开始构建您的创意自适应代理。

具身认知

课程 7 • 27 小时 • 4.5 （37 评分）

课程详情

学习内容

• 熟悉认知领域的历史和关键术语。
• 想想身体、环境、文化和技术的重要性，以及大脑学习中的动态过程。
• 检查认知和人工意识的开放性问题，以及认知的社会方面。

人工智能：最终项目

课程 8 • 24 小时

课程详情

学习内容

• 在特别项目人工智能导论的最终项目中，学生将在项目中获得的术语应用于他们选择的问题。
• 该项目将包括软件开发和文章写作。
• 它将解决程序中讨论的至少一个主题，同时实施它，将其与其他技术进行比较，并在论文中报告结果。
• 该项目的目标是：
• 将在特殊课程中获得的知识应用于特定领域。
• 将人工智能技术应用于特定目的。
• 将生成的解决方案与现有解决方案进行比较。
• 在有序的文章中报告结果（最多 10 页）。