# 斯坦福 CS221：人工智能：原理与技术（2026 春）

- 原标题：Stanford CS221：Artificial Intelligence: Principles and Techniques（2026 春）
- 类型：课程
- 来源：stanford-cs221.github.io
- 学期：2026 春
- 首次精选：2026-10-29 23:09
- 分级：值得看
- 学习层级：入门
- 主题：[ai-literacy](<https://oplearnx.com/md/topics/ai-literacy.md>)（第 10 位）
- 原文链接：[https://stanford-cs221.github.io/spring2026](<https://stanford-cs221.github.io/spring2026>)
- 本站页面：[https://oplearnx.com/resources/pk\_11b572927703](<https://oplearnx.com/resources/pk_11b572927703>)

## 摘要

斯坦福大学 2026 年春季 CS221 人工智能原理与技术课程主页，授课教师包括 Moses Charikar，上课时间为周一、周三 10:30–12:00（Hewlett 200），周五 10:30–11:20 设习题课。页面说明课程组织方式：全部内容拆分为包含幻灯片、录像和讲义的小模块；课程讲授以更慢、更互动的形式覆盖主要模块，所有课程均有录像；另有习题课、作业互助小组、一对一答疑（分作业答疑与内容答疑两类）等活动及其时间地点安排。页面还提供课程日历、模块、课程作业、日程等导航链接及往期课程链接，并说明一般问题使用 Ed 提问、私人事务通过邮件联系。

## 概览

- 难度：进阶
- 语言：英文
- 规模：18 讲 · 10 周
- 动手：8 次作业 · 含编程

## 学完你能

- 用严谨的数学工具理解人工智能的基础原理，并动手实现各类 AI 系统
- 掌握机器学习的基本方法与模型
- 理解并实现搜索与博弈中的决策方法
- 用马尔可夫决策过程建模并求解序贯决策问题
- 用约束满足、因子图与贝叶斯网络处理概率推理问题
- 用逻辑进行知识表示与推理

## 适合你吗

- 适合：已具备编程、离散数学、概率与线性代数基础的本科生
- 适合：希望在一门课内系统覆盖机器学习、搜索、MDP、博弈、约束满足、图模型与逻辑的学习者
- 适合：愿意每周投入作业、含书面与编程两部分的学生
- 暂不适合：缺少概率、线性代数或离散数学基础、想先补基础的学习者
- 暂不适合：只想学机器学习、不关心搜索、逻辑与图模型的人
- 暂不适合：希望完全自学、无固定节奏的学生
- 需要先会：需具备编程、离散数学与数学严谨性、概率、线性代数基础（对应 CS 106A/106B、CS 103、CS 109、Math 51），算法与系统为推荐但非必需。

## 课程特点

- 内容侧重：以严谨数学工具覆盖 AI 基础：机器学习、搜索、MDP、博弈、约束满足、图模型与逻辑，并强调动手实现各类 AI 系统。
- 练习与项目：每周作业含书面与编程两部分，编程部分自动评分；另有前置知识测验、问题课与作业辅导；两次线下考试分别占 30%。可选项目（最多 1.5% 加分，含兴趣表、提案、进展报告、视频、最终报告五个里程碑）或 AI 产品深度分析（最多 0.75%）；在 Ed 上答疑最多可加 1%。
- 投入时间：每周一、三讲课各约 1 小时 50 分钟，周五问题课 50 分钟；另有讲座录像、模块化幻灯片与讲义；未给出课外总时长。
- 费用说明：材料未说明是否需要付费或能否免费访问；课程所属斯坦福学期课程。

## 内容覆盖

- 第 1 讲 课程概览
- 第 2 讲 学习 I
- 第 3 讲 学习 II
- 第 4 讲 学习 III
- 第 5 讲 搜索 I
- 第 6 讲 搜索 II
- 第 7 讲 马尔可夫决策过程 I
- 第 8 讲 马尔可夫决策过程 II
- 第 9 讲 博弈 I
- 第 10 讲 博弈 II
- 第 11 讲 因子图
- 第 12 讲 束搜索
- 第 13 讲 贝叶斯网络 I
- 第 14 讲 贝叶斯网络 II
- 第 15 讲 贝叶斯网络 III
- 第 16 讲 逻辑 I
- 第 17 讲 逻辑 II
- 第 18 讲 总结与 AI 的未来

---
来源：LearnMap · 学径（https://oplearnx.com）