某李的技术博客 评论了课程: Artificial Intelligence

2013-05-21 20:04

接上。我把最后一次编程作业(Q学习)做了个录像，后面pacman学习结束后相当生猛。http://v.youku.com/v_show/id_XNTQ2MjA4NzU2.html

3. adversarial search
确定：Minimax搜索，评价函数，阿尔法-贝塔修剪
不确定：Expectimax搜索，效用，偏好，理性偏好

4. MDP(马尔科夫决策过程)
MDP定义，时间限制价值(time limited value)，政策，Q-值，价值迭代，最优政策，贝尔曼方程，政策评估，政策迭代，离线计划，在线计划。

5. 强化学习
有模型学习，无模型学习，Temporal Difference学习，Q-学习，Exploration VS Exploitation, 特征，线性回归

某李的技术博客 评论了课程: Artificial Intelligence

2013-05-21 20:02

这门课内容非常充实，是伯克利本科高年级/研究生低年级课程的上半部分（下半部分2014年推出，只对学过上半部分的学生开放），虽是入门课，但却并不肤浅，不得不说该校教育质量很高。授课老师为Dan Klein，他是自然语言处理领域的专家。课程比较有趣，编程作业基本围绕吃豆子游戏展开很有成就感，问答题对理解基本概念帮助很大，准备非常详实。虽然具有趣味性，美中不足的是Dan的讲解略显啰嗦，所以比起Cousera的NLP，这门课我不得不花更多时间。

基本课程内容如下(有些内容不知道怎么翻译就用课程原名了，见谅)：
第一部分. 计划。
1.搜索
uninformed search:广搜，深搜
informed search : heuristic，consistency VS admissibility, 贪心搜索，uniform cost搜索，A*图搜索，A*树搜索

2. CSP(约束满足问题)
回溯搜索
过滤：向前检查，约束扩张，arc consistency, k-consistency
顺序：MRV，LCV，cutset, 树状CSP

某李的技术博客 评论了课程: Natural Language Processing

2013-05-17 09:59

非常好的一门课，不像其他课程那么水，完完整整的哥伦比亚课程，如果认真学完肯定收获很多，花的时间绝对物有所值。科林斯的讲解非常清晰，内容涵盖了语言建模，解码算法，学习算法几个方面。

语言及翻译模型：n元模型，HMM模型，log-linear模型，GLM模型，IBM 1模型，IBM2 模型，phrase-based翻译模型，PCFG语法，LPCFG语法

解码算法：Viterbi算法，CKY算法，GLM Viterbi算法

学习算法：Brown聚类算法，Perceptron算法，EM算法

应用举例：词性标注/实体识别(HMM, GLM, log-linear)，语法树标注(PCFG, dependecny-based)，机器翻译