撰文 | 子曦

哈佛大學(xué)的 CS50AI 是一門(mén)在線開(kāi)放課程，專注于介紹人工智能的基礎(chǔ)知識(shí)，并使用 Python 進(jìn)行編程和項(xiàng)目實(shí)踐。該課程由哈佛大學(xué)教授 David J. Malan 及其團(tuán)隊(duì)制作和授課，是廣受歡迎的 CS50 計(jì)算機(jī)科學(xué)系列課程的一部分，適合已經(jīng)具備一定編程基礎(chǔ)的學(xué)習(xí)者。

Artificial intelligence is the new electricity.
— Andrew Ng（吳恩達(dá)，英裔美國(guó)計(jì)算機(jī)科學(xué)家和技術(shù)企業(yè)家，專注于機(jī)器學(xué)習(xí)和人工智能，谷歌大腦項(xiàng)目的聯(lián)合創(chuàng)始人和負(fù)責(zé)人，曾任百度首席科學(xué)家）

課程簡(jiǎn)介

CS50AI 課程的全稱是 CS50’s Introduction to Artificial Intelligence with Python，即 CS50 Python 人工智能入門(mén)。哈佛大學(xué)和在線課堂平臺(tái) edX 合作于2020年推出該課程，并在2024年進(jìn)行了修訂和更新。

CS50AI 課程引入現(xiàn)代人工智能的基礎(chǔ)概念和算法，并講解游戲引擎、手寫(xiě)識(shí)別和機(jī)器翻譯等技術(shù)的產(chǎn)生思想。通過(guò)實(shí)踐項(xiàng)目，學(xué)生可以接觸到圖搜索算法、分類、優(yōu)化、機(jī)器學(xué)習(xí)、大型語(yǔ)言模型等人工智能主題背后的理論，并將其融入到自己的 Python 程序中。課程結(jié)束時(shí)，學(xué)生將獲得機(jī)器學(xué)習(xí)庫(kù)方面的經(jīng)驗(yàn)以及人工智能原理方面的知識(shí)，從而為進(jìn)一步深入學(xué)習(xí)人工智能和機(jī)器學(xué)習(xí)的高級(jí)技術(shù)做好準(zhǔn)備。

課程網(wǎng)址

• edX 課程頁(yè)面 ：在這里可以免費(fèi)注冊(cè)最新的 CS50AI 課程。注冊(cè)后就能看到所有授課內(nèi)容的相關(guān)鏈接，還有課程時(shí)間線和進(jìn)度信息。

• CS50AI 官網(wǎng) ：這是課程的實(shí)際主頁(yè)。這里包含所有主題單元的授課音視頻、講義筆記和PPT、源代碼、測(cè)驗(yàn)、編程項(xiàng)目及討論群的社交網(wǎng)絡(luò)鏈接等。

下圖顯示注冊(cè)后收到的電子郵件包含的課程信息及開(kāi)始鏈接：

課程信息

• 教學(xué)形式為在線自學(xué)（Self-Paced），沒(méi)有固定時(shí)間限制，可以自由安排學(xué)習(xí)進(jìn)度。按照推薦的每周10-30小時(shí)學(xué)習(xí)進(jìn)度，可以七周完成。如果無(wú)法達(dá)到推薦的周學(xué)時(shí)也沒(méi)有關(guān)系，只要在年底（12/31）前完成全部編程項(xiàng)目就算達(dá)成目標(biāo)。

• 課程包含七個(gè)核心單元。教學(xué)材料包括視頻講解、代碼示例、測(cè)驗(yàn)和總共12個(gè) AI 實(shí)戰(zhàn)項(xiàng)目。每個(gè)單元模塊包含一個(gè)1～2小時(shí)的視頻講座、一個(gè)在線小測(cè)驗(yàn)和一兩個(gè)編程實(shí)踐任務(wù)。小測(cè)驗(yàn)是可選的，但非常有助于考察我們對(duì)基本概念的理解。編程項(xiàng)目將進(jìn)一步強(qiáng)化學(xué)到的知識(shí)點(diǎn)和實(shí)際應(yīng)用能力。

• CS50AI 要求的先修知識(shí)：

• • Python 基礎(chǔ)：如果沒(méi)有 Python 編程經(jīng)驗(yàn)，可以先學(xué)習(xí) CS50x 或 Python 入門(mén)課程 。

  • 數(shù)學(xué)基礎(chǔ)：了解基本的線性代數(shù)、概率論和邏輯推理會(huì)更容易理解 AI 相關(guān)內(nèi)容。

• CS50AI 沒(méi)有指定的官方教科書(shū)，但課程提供了一些相關(guān)的學(xué)習(xí)資源，其中最重要的是《人工智能：現(xiàn)代方法》（Artificial Intelligence：A Modern Approach）。此書(shū)的第 4 版是迄今為止最新和最全面的人工智能理論與實(shí)踐介紹，在廣度和深度上沒(méi)有其它教材可以匹敵，強(qiáng)烈推薦。

  Disclosure: This blog site is reader-supported. When you buy through the affiliate links below, as an Amazon Associate, I earn a tiny commission from qualifying purchases. Thank you.

認(rèn)證證書(shū)

課程是完全免費(fèi)的，學(xué)習(xí)無(wú)需付費(fèi)。在成功完成所有12個(gè)項(xiàng)目并提交后，就可以得到一個(gè)結(jié)業(yè)證書(shū)。如下圖所示，左邊為項(xiàng)目進(jìn)度記錄，右邊是完成后生成的結(jié)業(yè)證書(shū)。

如果希望獲得哈佛/edX平臺(tái)聯(lián)合認(rèn)證的證書(shū)（Harvard edX 認(rèn)證，下圖為樣例），以助力職業(yè)發(fā)展，可以付費(fèi)申請(qǐng)官方證書(shū)。認(rèn)證費(fèi)用現(xiàn)為 $299。網(wǎng)上還可以找到一些折扣碼，省掉～20%的費(fèi)用。

教學(xué)大綱

CS50AI 課程共分為七個(gè)核心單元，下面逐一做一些概要說(shuō)明。

搜索（Search）

第一個(gè)單元模塊介紹了幫助人工智能從起點(diǎn)找到目標(biāo)的搜索算法。講座涵蓋了搜索問(wèn)題的結(jié)構(gòu)（包括狀態(tài)、動(dòng)作和目標(biāo)）并探討了不同的搜索策略，包括深度優(yōu)先搜索（DFS）、廣度優(yōu)先搜索（BFS）、貪婪最佳優(yōu)先搜索和 A* 搜索。這些算法通過(guò)迷宮求解等實(shí)際例子進(jìn)行演示，講座還涉及使用極小極大算法（Minimax）和 Alpha-beta 剪枝等對(duì)抗性搜索技術(shù)的游戲策略。

編程項(xiàng)目

• Degrees（社交網(wǎng)絡(luò)最短路徑）: 利用圖搜索算法（BFS）找出兩位演員之間的最短合作關(guān)系路徑（類似“ 六度分隔理論 ”），算法實(shí)現(xiàn)用到了先進(jìn)先出 （FIFO） 隊(duì)列。

• Tic-Tac-Toe（井字棋）: 應(yīng)用包含 Alpha-beta 剪枝的 Minimax 算法，實(shí)現(xiàn)一個(gè)不可戰(zhàn)勝的井字棋 AI。本項(xiàng)目需要安裝 Python pygame 軟件包。

這里探討了人工智能中的知識(shí)表示和推理，重點(diǎn)關(guān)注如何以機(jī)器可用于邏輯推導(dǎo)的方式編碼信息。它介紹了命題邏輯（使用符號(hào)和邏輯運(yùn)算符如 NOT、AND 和 OR等）和一階邏輯（增加了量詞和關(guān)系）。講座演示了如何使用推理規(guī)則（如肯定前件式和歸結(jié)法）從現(xiàn)有事實(shí)中推導(dǎo)新知識(shí)。它涵蓋了知識(shí)庫(kù)、模型檢驗(yàn)和自動(dòng)定理證明，展示了人工智能系統(tǒng)如何通過(guò)將知識(shí)表示為邏輯語(yǔ)句并應(yīng)用系統(tǒng)化推理來(lái)進(jìn)行邏輯推斷和解決如謎題游戲等問(wèn)題。

編程項(xiàng)目

• Knights（騎士/無(wú)賴） ：給定一個(gè)能夠解謎的邏輯推理系統(tǒng)，可以根據(jù)每個(gè)角色所說(shuō)的一組陳述句子，推斷角色是騎士還是無(wú)賴。任務(wù)是確定如何用命題邏輯來(lái)表示這些謎題，以便此系統(tǒng)運(yùn)行模型檢查算法為我們解開(kāi)這些謎題。

• Minesweeper（掃雷） ：基于知識(shí)的智能代理在做出決策時(shí)會(huì)考慮其知識(shí)庫(kù)，并根據(jù)這些知識(shí)做出推斷。任務(wù)是創(chuàng)建一個(gè) AI 代理，收集并分析掃雷游戲中的棋盤(pán)信息和知識(shí)，從而推斷出地雷的位置。本項(xiàng)目需要安裝 Python pygame 軟件包。

第三講討論了人工智能系統(tǒng)如何處理不確定性，這在處理不完整信息或概率性結(jié)果時(shí)是一項(xiàng)關(guān)鍵能力。講座介紹了概率論基礎(chǔ)和貝葉斯網(wǎng)絡(luò)（Bayesian Networks），用于表示變量之間的關(guān)系。它涵蓋了條件概率、隨機(jī)變量、獨(dú)立性和聯(lián)合概率分布。講座解釋了通過(guò)枚舉、抽樣和似然權(quán)重進(jìn)行推理，以計(jì)算復(fù)雜場(chǎng)景中的概率。它還探討了用于事件序列的馬爾可夫模型和用于從可觀察數(shù)據(jù)推斷隱藏狀態(tài)的隱馬爾可夫模型（HMM），展示了概率推理如何使人工智能能夠在不確定條件下做出明智決策。

編程項(xiàng)目

• PageRank（網(wǎng)頁(yè)排名） ：實(shí)現(xiàn)谷歌 PageRank 算法，計(jì)算網(wǎng)頁(yè)的重要性。具體應(yīng)用兩種 PageRank 計(jì)算方法 - 1. 通過(guò)從馬爾可夫鏈隨機(jī)沖浪者網(wǎng)頁(yè)中抽樣；2. 通過(guò)迭代使用 PageRank 公式。

• Heredity（遺傳概率推斷） ：任務(wù)是利用貝葉斯網(wǎng)絡(luò)模擬的基因遺傳模型對(duì)人群進(jìn)行推斷。通過(guò)給定信息，AI 將能夠判斷出每個(gè)人的基因概率分布，以及測(cè)試中性狀表現(xiàn)的概率分布。

此單元模塊專注于尋找復(fù)雜問(wèn)題最佳解決方案的優(yōu)化技術(shù)。它介紹了局部搜索算法，如爬山法和模擬退火（Simulated Annealing），這些算法通過(guò)探索相鄰狀態(tài)來(lái)迭代改進(jìn)解決方案。講座涵蓋了優(yōu)化挑戰(zhàn)，如陷入局部極值，并探討了克服這些限制的技術(shù)。它討論了線性規(guī)劃和約束滿足問(wèn)題（CSP），其中 CSP 解決方案必須滿足特定約束。講座演示了回溯搜索、弧一致性（Arc Consistency）和 AC-3 算法等算法，并將這些概念應(yīng)用于日程安排、地圖著色和數(shù)獨(dú)謎題等問(wèn)題，展示了優(yōu)化算法如何在窮舉搜索不切實(shí)際的大型搜索空間中高效找到解決方案。

編程項(xiàng)目

• Crossword（填字）： 將填字游戲建模為一個(gè)CSP，每個(gè)方格序列都是一個(gè)變量，要求完成一個(gè)求解器 - 從給定的詞匯表中為每個(gè)變量選擇一個(gè)不同的詞，滿足所有的一元和二元約束條件。解決方案的編程要實(shí)現(xiàn)回溯搜索和 AC-3 算法。本項(xiàng)目需要安裝 Python pillow 軟件包。

第五講介紹了機(jī)器學(xué)習(xí)基礎(chǔ)，重點(diǎn)關(guān)注監(jiān)督學(xué)習(xí)技術(shù)，即計(jì)算機(jī)從帶標(biāo)簽的訓(xùn)練數(shù)據(jù)中學(xué)習(xí)模式。講座涵蓋了幾種分類算法，包括最近鄰分類、k-最近鄰、感知器學(xué)習(xí)和支持向量機(jī)，每種算法都有自己的決策邊界創(chuàng)建方法。它解釋了用于預(yù)測(cè)連續(xù)值的回歸分析，并討論了量化預(yù)測(cè)誤差的損失函數(shù)。講座還討論了過(guò)擬合和正則化等重要概念，展示了如何平衡模型復(fù)雜性與泛化能力。此外，講座引入強(qiáng)化學(xué)習(xí)，即代理通過(guò)獎(jiǎng)勵(lì)反饋學(xué)習(xí)最佳行為，探討了馬爾可夫決策過(guò)程和Q-學(xué)習(xí)算法。最后，它通過(guò)k-均值等聚類技術(shù)觸及無(wú)監(jiān)督學(xué)習(xí)，這些算法能在無(wú)標(biāo)簽數(shù)據(jù)中識(shí)別模式。

編程項(xiàng)目

• Shopping（電子商務(wù)購(gòu)物預(yù)測(cè)） ：任務(wù)是建立一個(gè)近鄰分類器幫助網(wǎng)站根據(jù)用戶的相關(guān)信息確定其購(gòu)買意圖。項(xiàng)目提供了某個(gè)購(gòu)物網(wǎng)站大約 12,000 個(gè)用戶的訪問(wèn)數(shù)據(jù)，以訓(xùn)練分類器。

• Nim（尼姆游戲）： Nim 是一種兩個(gè)人玩的回合制數(shù)學(xué)戰(zhàn)略游戲。項(xiàng)目要求完成一個(gè) AI，應(yīng)用強(qiáng)化學(xué)習(xí)的Q-學(xué)習(xí)算法，反復(fù)與自己對(duì)弈，最終找到游戲的制勝策略。

第六個(gè)單元探討了神經(jīng)網(wǎng)絡(luò)，這是一種受人腦生物結(jié)構(gòu)啟發(fā)的計(jì)算模型。講座解釋了人工神經(jīng)網(wǎng)絡(luò)如何通過(guò)互連單元處理信息，這些單元將輸入與加權(quán)連接和激活函數(shù)（如階躍函數(shù)、S型函數(shù)和ReLU）結(jié)合起來(lái)。它涵蓋了用于簡(jiǎn)單線性決策的感知器模型和用于處理復(fù)雜非線性問(wèn)題的多層神經(jīng)網(wǎng)絡(luò)。講座介紹了反向傳播算法作為訓(xùn)練這些網(wǎng)絡(luò)的方法，通過(guò)計(jì)算誤差和更新權(quán)重。還討論了梯度下降優(yōu)化技術(shù)、防止過(guò)擬合的方法（如 dropout）以及 TensorFlow 等實(shí)現(xiàn)框架。特別關(guān)注了用于計(jì)算機(jī)視覺(jué)的卷積神經(jīng)網(wǎng)絡(luò)，解釋了使圖像處理成為可能的技術(shù)，如卷積、池化和扁平化。最后，講座介紹了循環(huán)神經(jīng)網(wǎng)絡(luò)，作為處理語(yǔ)言翻譯和圖像描述等順序數(shù)據(jù)處理任務(wù)的解決方案。

編程項(xiàng)目

• Traffic（交通標(biāo)志識(shí)別）： 使用 TensorFlow 構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，根據(jù)路標(biāo)圖像對(duì)路標(biāo)進(jìn)行分類。項(xiàng)目使用德國(guó)交通標(biāo)志識(shí)別基準(zhǔn) (GTSRB) 數(shù)據(jù)集，其中包含 43 種不同道路標(biāo)志的數(shù)千張圖像。

第七個(gè)單元模塊考察自然語(yǔ)言處理以及人工智能如何理解和生成人類語(yǔ)言。講座首先介紹了各種自然語(yǔ)言處理任務(wù)，如自動(dòng)摘要、翻譯和語(yǔ)音識(shí)別，然后深入探討了語(yǔ)言理解中語(yǔ)法和語(yǔ)義的挑戰(zhàn)。它涵蓋了上下文無(wú)關(guān)文法和語(yǔ)法樹(shù)來(lái)表示句子結(jié)構(gòu)，并探索了 n-gram 作為捕捉語(yǔ)言模式的詞序列。講座研究了將文本分解為有意義單位的標(biāo)記化方法，并討論了用于文本生成的馬爾可夫模型。對(duì)于文本分類，講座解釋了詞袋模型和樸素貝葉斯分類器，展示了人工智能如何在不理解語(yǔ)法的情況下分析情感。講座解釋了詞表示技術(shù)，包括分布式表示和word2vec，展示了人工智能如何捕捉詞語(yǔ)之間的語(yǔ)義關(guān)系。最后，介紹了用于語(yǔ)言任務(wù)的神經(jīng)網(wǎng)絡(luò)架構(gòu)，包括具有注意力機(jī)制的循環(huán)神經(jīng)網(wǎng)絡(luò)和transformer模型，這些模型通過(guò)實(shí)現(xiàn)語(yǔ)言數(shù)據(jù)的并行處理，徹底革新了自然語(yǔ)言處理領(lǐng)域。

編程項(xiàng)目

• Parser（句法解析器）： 任務(wù)是編寫(xiě)一個(gè) AI 來(lái)解析句子并提取名詞短語(yǔ)，需要使用無(wú)上下文語(yǔ)法形式來(lái)解析英語(yǔ)句子，以確定其結(jié)構(gòu)。本項(xiàng)目需要安裝 Python 自然語(yǔ)言工具包 ntlk。

• Attention（注意力機(jī)制）： 項(xiàng)目有兩個(gè)任務(wù) - 1. 使用人工智能軟件公司 Hugging Face 開(kāi)發(fā)的 transformers Python 庫(kù)，編寫(xiě)一個(gè)使用 BERT 預(yù)測(cè)遮蔽詞的程序。該程序還將生成可視化注意力分?jǐn)?shù)圖表，144 個(gè)注意力頭各生成一個(gè)圖表；2. 分析程序生成的圖表，試圖了解 BERT 的注意力頭在試圖理解我們的自然語(yǔ)言時(shí)可能會(huì)注意什么。

本博主于2024年度完成了這一在線課程。總的來(lái)說(shuō)，CS50AI 作為人工智能的入門(mén)課程非常出色，其課程安排結(jié)構(gòu)清晰、涵蓋內(nèi)容全面，在理論理解和實(shí)踐實(shí)現(xiàn)之間取得了很好的平衡。它采用的項(xiàng)目驅(qū)動(dòng)式學(xué)習(xí)（Project-Based Learning）是一大亮點(diǎn)，通過(guò) 12 個(gè) Python 編程項(xiàng)目鞏固理論知識(shí)并進(jìn)行實(shí)戰(zhàn)應(yīng)用。CS50AI 特別適合

• 想要專攻人工智能的計(jì)算機(jī)科學(xué)學(xué)生

• 希望將人工智能納入技能組合的在職軟件開(kāi)發(fā)人員

• 任何尋求系統(tǒng)化方式學(xué)習(xí)人工智能基礎(chǔ)的人

具體在課程準(zhǔn)備、學(xué)習(xí)進(jìn)度、時(shí)間安排和項(xiàng)目完成上，下面總結(jié)一些個(gè)人經(jīng)驗(yàn)和體會(huì)：

課程準(zhǔn)備

對(duì)完全沒(méi)有編程經(jīng)驗(yàn)的人來(lái)說(shuō)，CS50AI 的學(xué)習(xí)節(jié)奏可能具有挑戰(zhàn)性。因此，建議一定要先快速入門(mén) Python，達(dá)到可以舒適地閱讀與理解簡(jiǎn)單的程序代碼、編寫(xiě) Python 簡(jiǎn)短應(yīng)用函數(shù)的水平。本課程的數(shù)學(xué)基礎(chǔ)要求其實(shí)不高，但如果你已經(jīng)忘記了大學(xué)一二年級(jí)所學(xué)的高等數(shù)學(xué)和工程數(shù)學(xué)的基本知識(shí)，就需要補(bǔ)充學(xué)習(xí)。當(dāng)然，回頭去看大學(xué)的教科書(shū)是不實(shí)際的。許多 AI 的入門(mén)書(shū)籍，包括前面推薦的《人工智能：現(xiàn)代方法》，都提供了講解數(shù)學(xué)基礎(chǔ)的附錄，非常值得復(fù)習(xí)。

還可以準(zhǔn)備一些 Python 編程和相關(guān)數(shù)學(xué)知識(shí)的小抄（cheatsheet），打印放在手邊隨時(shí)查閱，非常方便。網(wǎng)上有許多現(xiàn)成的小抄以供下載，或者匯編組合自己覺(jué)得最重要的內(nèi)容，生成定制小抄。

進(jìn)度安排

對(duì)于 Python 編程經(jīng)驗(yàn)豐富、數(shù)學(xué)基礎(chǔ)好的在校學(xué)生，如果能夠付出每周20+小時(shí)學(xué)習(xí) CS50AI，在一個(gè)月內(nèi)突擊學(xué)完課程所有內(nèi)容并做完全部項(xiàng)目應(yīng)該問(wèn)題不大。如果你是和博主一樣的在職人員，無(wú)法全日制地學(xué)習(xí)，可以考慮安排周末的時(shí)間。如果能做到周末兩天每天集中6-8個(gè)小時(shí)學(xué)習(xí)和做編程項(xiàng)目，那么一個(gè)月內(nèi)完成兩個(gè)單元是可行的進(jìn)展方案。這樣整個(gè)課程就可以在四個(gè)月內(nèi)結(jié)束。

項(xiàng)目經(jīng)驗(yàn) 工具程序 CS50AI 課程屬于哈佛大學(xué) CS50 在線課程系列的一部分。所用這些課程的編程項(xiàng)目共享一組CA50 工具程序：

• check50：用于檢查項(xiàng)目代碼的測(cè)試工具。學(xué)習(xí)者可以使用 check50 本地測(cè)試項(xiàng)目代碼。如果測(cè)試未通過(guò)，可以查看記錄調(diào)試排錯(cuò)。

• style50：一個(gè)命令行工具，用它來(lái)檢查你的代碼是否與PEP 8 - Python 代碼風(fēng)格指南一致。

• submit50：一個(gè)命令行工具，用于提交課程項(xiàng)目作業(yè)，可以多次提交以更新。

這些工具程序的運(yùn)行示例如下（對(duì)于不同的項(xiàng)目，只需更換項(xiàng)目名稱即可）：

1
2
3

check50 ai50/projects/2024/x/degrees
style50 degrees.py
submit50 ai50/projects/2024/x/degrees

當(dāng)運(yùn)行 check50 工具進(jìn)行測(cè)試時(shí)發(fā)現(xiàn)錯(cuò)誤，調(diào)試需要參考測(cè)試用例時(shí)，可以去 CS50AI 項(xiàng)目的測(cè)試代碼倉(cāng)庫(kù) 查閱各個(gè)項(xiàng)目的實(shí)際測(cè)試用例。也可以在本機(jī)的~/.local/share/check50/ai50/projects/目錄下找到同樣的測(cè)試文件，比如第一個(gè)項(xiàng)目Degrees的測(cè)試用例位于

1

~/.local/share/check50/ai50/projects/degrees/__init__.py

項(xiàng)目編程

在開(kāi)始項(xiàng)目編程前，建議先完整地閱讀所提供的代碼，對(duì)整個(gè)程序框架有一個(gè)完整的了解。一些項(xiàng)目可以直接參考講座中的演示代碼（可從課程網(wǎng)站下載）。

如果被某個(gè)項(xiàng)目的排錯(cuò)調(diào)試?yán)ё。梢郧笾鱾€(gè)社交網(wǎng)絡(luò)的 CS50AI 討論群（Discord、Slack 等）或者 CS50 AI 助手 。如果實(shí)在無(wú)法厘清思路，不知從何處著手，可以參考一些項(xiàng)目完成后的代碼倉(cāng)庫(kù)，比如本博主的 GitHub CS50AI代碼倉(cāng)庫(kù) 。即使是這樣，最好在看懂別人的答案后自己整理好思路，然后閉卷重新實(shí)現(xiàn)一下。 ??請(qǐng)不要直接復(fù)制代碼，因?yàn)檫@樣做使得項(xiàng)目實(shí)踐乃至整個(gè)課程學(xué)習(xí)失去意義。

項(xiàng)目總結(jié)

最后給出 CS50AI 12 個(gè)項(xiàng)目的總結(jié)比較（備注欄給出編程實(shí)現(xiàn)時(shí)的一些提示，以供參考）：

項(xiàng)目名稱 學(xué)習(xí)單元 技術(shù)領(lǐng)域和算法 難度 備注 Degrees 搜索 圖搜索（BFS），F(xiàn)IFO 隊(duì)列 ★★ 使用隊(duì)列實(shí)現(xiàn)BFS，留意特殊情況 Tic-Tac-Toe 搜索 對(duì)抗性搜索，Minimax 和 Alpha-beta 剪枝 ★★ 從狀態(tài)評(píng)估開(kāi)始，遞歸實(shí)現(xiàn) Minimax Knights 知識(shí)推理 命題邏輯，模型檢查 ★★ 注意分解復(fù)雜語(yǔ)句 Minesweeper 知識(shí)推理 知識(shí)庫(kù)，邏輯推理 ★★★ 使用遞歸，持續(xù)更新安全格子和地雷的集合 PageRank 概率推理 馬爾可夫鏈，PageRank 公式迭代 ★★★ 實(shí)現(xiàn)給定的隨機(jī)搜索和迭代公式 Heredity 概率推理 概率分布，貝葉斯網(wǎng)絡(luò) ★★★ 使用聯(lián)合概率表，謹(jǐn)慎處理?xiàng)l件式 Crossword 優(yōu)化 約束滿足問(wèn)題，回溯搜索和 AC-3 算法 ★★★★ 高效使用回溯，優(yōu)化約束檢查 Shopping 機(jī)器學(xué)習(xí) 監(jiān)督學(xué)習(xí)技術(shù)，近鄰分類器 ★★★ 注重特征選擇和數(shù)據(jù)預(yù)處理 Nim 機(jī)器學(xué)習(xí) 強(qiáng)化學(xué)習(xí)（Q-學(xué)習(xí)） ★★★ 從基礎(chǔ)Q-學(xué)習(xí)開(kāi)始，實(shí)現(xiàn)探索策略 Traffic 神經(jīng)網(wǎng)絡(luò) TensorFlow，計(jì)算機(jī)視覺(jué)（CNN） ★★★★ 從簡(jiǎn)單的 CNN 架構(gòu)開(kāi)始，逐步優(yōu)化 Parser 自然語(yǔ)言處理 語(yǔ)法解析，規(guī)則處理 ★★★ 標(biāo)記化細(xì)分和樹(shù)構(gòu)建 Attention 自然語(yǔ)言處理 注意力機(jī)制，Transformer，BERT ★★★★★ 首先關(guān)注 TF-IDF 和查詢處理

學(xué)習(xí) CS50AI，讓你的 AI 職業(yè)成長(zhǎng)之旅從這里開(kāi)始！

• 本文作者： 子曦

• 本文鏈接： https://www.packetmania.net/2025/02/16/Harvard-CS50-AI-intro/

• 版權(quán)聲明： 本博客所有文章除特別聲明外，均采用 BY-NC-ND 許可協(xié)議。轉(zhuǎn)載請(qǐng)注明出處