CS50 人工智能导论（Python）

CS50's Introduction to Artificial Intelligence with PythonCS50AI哈佛2020 录像（第 6 讲为 2023 录像）免费

搜索算法知识与逻辑推理概率推断机器学习神经网络大语言模型

这门课学什么

课程分 7 个单元：搜索、知识表示、不确定性、优化、机器学习、神经网络、语言模型。每单元有 1 节讲座视频和 Python 编程项目。项目提交后自动评分。

这门课用 7 周走完从经典 AI 到语言模型的主线。每周 1 个主题，配 1 节约 2 小时的讲座、1 份测验和 1–2 个 Python 项目。课程从“智能体怎样在状态空间里找路”讲起，到“模型怎样处理语言”结束。

前 4 周讲不依赖训练数据的经典方法。第 0 周讲搜索和博弈，第 1 周讲命题逻辑与推理，第 2 周讲概率和贝叶斯网络，第 3 周讲局部搜索、线性规划和约束满足。这一段的核心是：先把问题表示清楚，再选算法求解。

后 3 周转向从数据中学习。第 4 周讲监督学习、强化学习和聚类，第 5 周讲神经网络和卷积神经网络，第 6 周讲自然语言处理，最后讲到注意力机制和 Transformer。

全课共 12 个项目。每个项目给出代码框架，学员补全关键函数。例如：用广度优先搜索找两位演员之间的最短关联，用 minimax 写井字棋 AI，用 TensorFlow 训练交通标志识别网络，分析 BERT 的注意力权重。提交后由自动评分系统检查。

讲座由 Brian Yu 主讲。他先用小例子推导算法，再现场演示代码。学完后学员能用 Python 实现常见 AI 算法，并能训练小型神经网络。

这是哈佛受众最广的免费 AI 入门课。项目驱动，只会基础 Python 也能动手实现经典算法。

课程是英文的。本页的介绍、摘要和大纲由极客教育原创撰写，讲次标题为中文意译。开课时间、收费和链接以官方页面为准。

大纲依据：CS50 AI 官网逐周列表（Week 0–6）及 Projects 页（查看原始页面 ↗）

0
搜索Search
讲搜索问题的表示，对比深度优先、广度优先、贪心最佳优先和 A* 搜索。后半讲博弈中的 minimax 和 α-β 剪枝。项目：Degrees、Tic-Tac-Toe。
1
知识Knowledge
讲命题逻辑、蕴含、模型检验和归结推理，最后引入一阶逻辑。项目：Knights（逻辑谜题）、Minesweeper（扫雷推理）。
2
不确定性Uncertainty
讲条件概率、贝叶斯规则、贝叶斯网络和采样推断，再讲马尔可夫模型与隐马尔可夫模型。项目：PageRank、Heredity（基因遗传推断）。
3
优化Optimization
讲爬山法和模拟退火等局部搜索，以及线性规划。后半讲约束满足问题和回溯搜索。项目：Crossword（填字游戏生成）。
4
学习Learning
讲最近邻、感知机、支持向量机、回归、损失函数与正则化。再讲强化学习中的马尔可夫决策过程和 Q-learning，最后讲 k-means 聚类。项目：Shopping、Nim。
5
神经网络Neural Networks
讲激活函数、梯度下降和反向传播（backpropagation），用 TensorFlow 搭网络。再讲图像卷积、卷积神经网络和循环神经网络。项目：Traffic（交通标志识别）。
6
语言Language
讲句法、语义和上下文无关文法，用 nltk 做分析。再讲 n-gram、词袋模型、朴素贝叶斯、word2vec，最后讲注意力与 Transformer。项目：Parser、Attention。

哈佛数据科学专业证书系列（9 门课） · Professional Certificate in Data Science (HarvardX)
Python 数据科学导论 · Introduction to Data Science with Python
Python 机器学习与人工智能 · Machine Learning and AI with Python
TinyML 基础（微型机器学习系列） · Fundamentals of TinyML (Tiny Machine Learning series)
机器学习系统（哈佛 CS249r 开放教材） · Machine Learning Systems (open textbook for Harvard CS249r)
AI 安全（CS 2881R） · CS 2881R: AI Safety