USC CSCI 561 课程介绍

[align="left"]更多，见我个人博客上持续更新 我上过的USC的课程总结：luofanghao.github.io课程总结/[/align][align="left"]正文：[/align][align="left"]AI发展的各个方向整体了解。课程架构如下：[/align]

1. 从search问题开始讲起。几乎所有的问题都可以化成search型来解，但是有些问题，exp复杂度。于是就有了各种各样的search算法，从complete的，到带heuristic的。遗传算法，以及游戏中用到很多的Minimax。
2. Logic学派（符号主义）的东西：constraints，reasoning, inference。Propositional logic，First-Order logic, Fuzzy logic。
3. [align="left"]machine learning：[/align]
   
   • 频率学派的一些各种算法模型，包括neural networks。
   • 贝叶斯学派，Bayesian Network, PGM
   • 这一部分其实不太清楚该怎么归：EM算法，reinforcement learning。
     

自己对这三个部分的感受：[align="left"]第一个部分其实是基本功，必然要去了解的，这门课这一块也讲的不错，个人认为掌握的还行；[/align][align="left"]第二部分logic，其实就有点分派别的意思了。近些年来大家一提到AI可能就是机器学习深度学习，然而其实是AI漫漫长河的一个分支流派吧，只不过目前兴起。logic算是传统经典AI的流派，也有不少不错的成品：比如theorem solver，能够求解，证明定理。是有其独到之处的（比如这个theorem solver想通过机器学习的方式来实现，至少我感觉不可能）。至于为什么现在不火，我猜极大可能性是因为太精细，100%的正确率是有代价的，然而在实际运用过程中往往太多dirty work，成品不容易deploy到实际生产环境中。[/align][align="left"]第三部分machine learning。这个近些年来很火，计算量的大幅提升，数据源源不断的世界。而machine learning大概是天生适合data-driven的环境，deep learning更是如此吧。这门课这个部分的笔墨我觉得可能有点太少了，很多地方可能连入门都没有，扔下一堆公式草草带过。最气的是这个部分没有布置编程练习。。[/align]