首页

投稿

【国家精品课】人工智能：模型与算法_浙江大学

4811

1

2026-03-10 17:15:51

未经作者授权，禁止转载

教程已经完结，放心大胆看恳求各位看官点个关注一键三连【关注、点赞、收藏】你们三连是我最大的动力配套资料：https://www.bilibili.com/opus/1165065821016293401

世界大学公开课

大学公开课

国家精品课

大学计算机

计算机公开课

Code程序猿发消息

公众号：Code猿

[1.1.1]--1.1 可计算思想起源与发展_ev

15:55

[1.2.1]--1.2 人工智能的发展简史_ev

30:28

[1.3.1]--1.3人工智能研究的基本内容_ev

11:41

[1.4.1]--1.4 人工智能芯片与框架介绍_ev

12:09

[1.5.1]--人工智能知识点全景图：迈向智能+时代蓝皮书_ev

35:43

[2.1.1]--2.1启发式搜索_ev

26:44

[2.2.1]--2.2 对抗搜索_ev

16:55

[2.3.1]--2.3 蒙特卡洛树搜索_ev

36:17

[3.1.1]--3.1 命题逻辑_ev

18:08

[3.2.1]--3.2 谓词逻辑_ev

16:13

[3.3.1]--3.3 知识图谱推理：一阶归纳推理算法_ev

28:08

[4.1.1]--4.1知识图谱推理：路径排序算法_ev

12:31

[4.2.1]--4.2 因果推理_ev

32:02

[4.3.1]--4.3 斑马问题和八皇后问题_ev

07:31

[5.1.1]--5.1 机器学习基本概念_ev

19:11

[5.2.1]--5.2 线性回归分析_ev

10:22

[5.3.1]--5.3提升算法（boosting）_ev

16:54

[5.4.1]--5.4 基于回归分析的有损图像恢复_ev

07:39

[6.1.1]--6.1 K均值聚类_ev

17:59

[6.2.1]--6.2 主成分分析_ev

22:35

[6.3.1]--6.3 特征人脸算法_ev

10:20

[6.4.1]--6.4 基于主成分分析的人脸识别算法_ev

06:37

[7.1.1]--7.1 逻辑斯蒂回归与分类_ev

20:12

[7.2.1]--7.2 潜在语义分析_ev

19:36

[7.3.1]--7.3线性区别分析及分类_ev

14:37

[8.1.1]--8.1 深度学习基本概念_ev

23:12

[8.2.1]--8.2 前馈神经网络_ev

16:19

[8.3.1]--8.3 误差后向传播(BP)_ev

14:10

[8.4.1]--8.4.1 基于MindSpore的房价预测_ev

06:59

[8.4.2]--8.4.2 基于前馈神经网络的手写数字识别_ev

13:34

[9.1.1]--9.1 卷积神经网络_ev

17:06

[9.2.1]--9.2 -自然语言理解与视觉分析_ev

18:03

[9.3.1]--9.3.1 基于Mindspore_Lenet的手写数字识别_ev

11:48

[9.3.2]--9.3.2 基于Mindspore_LSTM手写数字识别_ev

10:38

[9.3.3]--9.3.3 基于MindSpore实现垃圾分类_ev

08:49

[9.3.4]--9.3.4 基于MindSpore实现作家文风识别_ev

07:27

[10.1.1]--10.1 强化学习定义_ev

24:54

[10.2.1]--10.2 策略优化与策略评估_ev

17:40

[10.3.1]--10.3 强化学习求解 Q Learning_ev

17:16

[10.4.1]--10.4 深度强化学习_ev

07:43

[10.5.1]--10.5.1 基于MindSpore的走迷宫问题_ev

10:12

[10.5.2]--10.5.2 基于MindSpore DQN实现平衡车场景_ev

10:00

[11.1.1]--11.1 博弈相关概念_ev

18:10

[11.2.1]--11.2 遗憾最小化算法_ev

18:54

[11.3.1]--11.3 虚拟遗憾最小化算法_ev

25:12

[11.4.1]--11.4 人工智能安全_ev

18:06

[12.1.1]--12.1 记忆驱动的智能计算_ev

20:44

[12.2.1]--12.2 可计算社会学_ev

19:07

[12.3.1]--12.3 若干挑战_ev

24:35

[13.1.1]--13.1 从计算机课程体系看人工智能教学内容变迁_ev

13:52

[13.2.1]--13.2 实验环境_ev

09:26

[13.3.1]--13.3 如何完成并测试你的实验作业_ev

03:51

[13.4.1]--13.4 实验作业题目_ev

09:47

[13.5.1]--13.5.1 基于Mindspore_Unet的医疗图像分割_ev

10:23

[13.5.2]--13.5.2 基于Mindspore进行中英机器翻译模型_ev

08:07

[13.5.3]--13.5.3 基于GAN网络的视觉类生成任务_ev

09:35

[13.5.4]--13.5.4 文本类生成任务_ev

09:26

[14.1.1]--新一代人工智能的形成_ev

13:11

[14.2.1]--人工智能人才培养态势_ev

16:05

[14.3.1]--汇聚交叉、赋能社会_ev

09:28

[14.5.1]--101核心课程《人工智能引论》介绍_ev

48:49

顶部