原文：
www.kdnuggets.com/free-harvard-course-introduction-to-ai-with-python
作者提供的图片
初学者在尝试学习人工智能时面临的最大问题之一是选择最佳的资源，因为资源实在太多了。 CS50 的 Python 人工智能介绍 是哈佛大学开设的一门优秀的 AI 学习资源。
1. Google 网络安全证书 - 快速进入网络安全职业生涯
2. Google 数据分析专业证书 - 提升您的数据分析技能
3. Google IT 支持专业证书 - 支持您的组织进行 IT
在为期 7 周的课程中，您将首先学习数学逻辑和图搜索算法的基本概念。然后，您还将探索机器学习、神经网络和语言模型。更重要的是，您还将完成多个有趣的项目。
如果您想在参加这门课程之前刷新编程基础，请查看 CS50x 计算机科学导论—这也是免费的—以便快速掌握编程和计算机科学的基础知识。
接下来，我们来回顾一下课程内容。
课程链接：CS50 的 Python 人工智能介绍
给定两个点 A 和 B，搜索算法旨在找到 A 和 B 之间的路径。最优解通常是 A 和 B 之间的最短路径。例子包括寻找任意两个地点之间最短路径的导航应用程序。
本模块关于搜索涵盖以下主题：
-
深度优先搜索 (DFS)
-
广度优先搜索 (BFS)
-
贪心最佳优先搜索
-
A* 搜索
-
Minimax
-
Alpha-beta 剪枝
以下是您将在本模块中完成的项目：
-
两位演员之间的分隔度（灵感来自于 凯文·贝肯六度分隔 游戏）
-
一个人工智能来玩井字棋
链接：搜索
第二个模块重点介绍利用现有知识进行推理的知识型智能体。
因此，搜索（第一个模块）和知识模块基于图算法和数学逻辑。你将在后续模块中学习机器学习和优化。
这个第二模块关于知识涵盖了以下内容：
-
命题逻辑
-
推断
-
推理
-
模型检查
-
解析
-
一阶逻辑
你将构建的项目包括：
-
骑士：一个解决逻辑谜题的程序，以及一个构建 AI 以玩扫雷的程序
-
构建一个玩扫雷的 AI
链接: 知识
概率是学习机器学习时最重要的概念之一。本模块教你概率和随机变量的基本概念。你将完成两个有趣的项目来总结本模块。
本模块涵盖：
-
概率
-
条件概率
-
随机变量
-
独立性
-
贝叶斯网络
-
采样
-
马尔可夫模型
-
隐马尔可夫模型
你将构建的项目包括：
-
一个按重要性排序网页的 AI
-
一个评估一个人是否具有遗传特征的 AI
链接: 不确定性
优化是一个重要的数学工具，它允许你解决广泛的问题。实际上，优化可以帮助你从一组解中找到最优解。
本模块涵盖以下优化算法：
-
局部搜索
-
攀升算法
-
模拟退火
-
线性规划
-
约束满足
-
回溯搜索
在本模块中，你将构建一个生成填字游戏的 AI。
链接: 优化
这是一个让你探索机器学习及各种机器学习算法细节的模块。你将学习监督学习、无监督学习和强化学习范式。
涵盖的主题包括：
-
最近邻分类
-
感知器学习
-
支持向量机
-
回归
-
损失函数
-
正则化
-
马尔可夫决策过程
-
Q 学习
-
K 均值聚类
本模块的项目包括：
-
预测客户是否会完成在线购买
-
使用强化学习的 Nim 游戏学习 AI
链接: 学习
本模块专注于深度学习基础知识。除了学习深度学习的基础知识外，你还将学习如何使用 TensorFlow 构建和训练神经网络。
这是神经网络模块涵盖的主题概述：
-
人工神经网络
-
激活函数
-
梯度下降
-
反向传播
-
过拟合
-
Tensorflow
-
图像卷积
-
卷积神经网络
-
循环神经网络
为了总结你的学习，你将进行一个交通标志识别项目。
链接: 神经网络
这个最终模块专注于处理自然语言。从语言处理基础到变压器和注意力机制，本模块涵盖了以下主题：
-
语法
-
语义学
-
上下文无关文法
-
N-grams
-
词袋模型
-
注意力机制
-
变压器
这是本模块的项目：
-
一个解析句子并提取名词短语的解析器
-
屏蔽词预测
链接：语言
从图算法到机器学习、深度学习和语言模型——本课程涵盖了 AI 中的多个基础主题。
我相信每周进行讲座、复习讲义和进行项目将是一次极好的学习体验。祝学习愉快！
Bala Priya C**** 是一位来自印度的开发者和技术作家。她喜欢在数学、编程、数据科学和内容创作的交集上工作。她的兴趣和专业领域包括 DevOps、数据科学和自然语言处理。她喜欢阅读、写作、编码和咖啡！目前，她正在通过撰写教程、操作指南、观点文章等与开发者社区分享她的知识。Bala 还创建了引人入胜的资源概述和编码教程。
