课程入门
UC Berkeley CS188：人工智能导论（2026 秋）
加州大学伯克利分校 CS188 课程 2026 年秋季学期主页，授课教师为 Emma Pierson 和 Peyrin Kao，周一、周三 14:00–15:30 在 The Gateway Building 1210 上课，并提供 Zoom、录播播放列表及面向注册学生的录播图库。页面公告栏包含第 9 周通知：Project 3 DUE 的预约时段已发布，涉及 DUE 要求的说明与指南链接；期中成绩已在 Gradescope 发布，并给出重新评分申请的截止时间为 10 月 27 日 23:59（太平洋时间）及申请方式。
- 分级
- 值得看
- 所属主题
- 认识人工智能
- 收录时间
- 2026-10-29
- 难度
- 入门
- 语言
- 英文
- 规模
- 26 讲
- 动手
- 11 个项目 · 10+ 次作业
学完你能
- 理解智能体与环境的基本建模方式
- 运用无信息搜索、A* 与启发式方法求解问题
- 把问题表述为约束满足问题并应用求解技术
- 用博弈树、期望最大与 MDP、强化学习处理决策问题
- 用概率、贝叶斯网络、HMM 与粒子滤波做推理
- 掌握朴素贝叶斯、感知机、神经网络、决策树与 Transformer 等机器学习基础
适合你吗
适合
- 想系统学习人工智能经典主题的本科生
- 需要搜索、概率推理、强化学习与机器学习入门框架的读者
- 能跟英文讲座与英文教材阅读的学习者
暂不适合
- 希望只做深度学习前沿与大规模模型训练的学习者
- 无法投入一学期完整课程节奏、只想零散看视频的人
需要先会
材料未明确列出先修要求，内容涉及概率与编程实践。
课程特点
- 内容侧重
- 以搜索、约束满足、博弈、MDP 与强化学习、概率与贝叶斯网络、HMM、机器学习为主线，配合 AIMA 教材与自编讲义阅读。
- 练习与项目
- 每周有作业（HW0 与 Project 0 为可选），共 5 个左右的项目；另有讨论课练习与考试准备练习、一次期中考试与一次期末考试，并有 DUE 环节。
- 投入时间
- 每周两次讲座，MoWe 2:00–3:30 PM；共 26 讲，学期约 17 周（含 RRR 周与考试周）。
- 费用说明
- 课程页提供讲座幻灯片、视频与讲义链接；录播媒体库仅对已注册学生开放。页面未给出费用、证书与会员信息。
内容覆盖
- 第 1 讲 导论、智能体与环境
- 第 2 讲 无信息搜索
- 第 3 讲 A* 搜索与启发式
- 第 4 讲 约束满足问题 I
- 第 5 讲 约束满足问题 II
- 第 6 讲 博弈树 I
- 第 7 讲 博弈树 II
- 第 8 讲 马尔可夫决策过程 I
- 第 9 讲 马尔可夫决策过程 II
- 第 10 讲 强化学习 I
- 第 11 讲 强化学习 II
- 第 12 讲 概率
- 第 13 讲 贝叶斯网络：表示
- 第 14 讲 贝叶斯网络：独立性
- 第 15 讲 贝叶斯网络：推断
- 第 16 讲 贝叶斯网络：采样
- 第 17 讲 决策网络与信息价值
- 第 18 讲 隐马尔可夫模型
- 第 19 讲 粒子滤波
- 第 20 讲 客座讲座：Josh Blumenstock
- 第 21 讲 机器学习 I：朴素贝叶斯
- 第 22 讲 机器学习 II：感知机
- 第 23 讲 机器学习 III：神经网络
- 第 24 讲 机器学习 IV：应用与决策树
- 第 25 讲 机器学习 V：Transformer
- 第 26 讲 课程总结
课程各讲
已上线 40 讲 · YouTube 视频合集（新标签页打开）
- Lecture 1（新标签页打开）
- Lecture 2（新标签页打开）
- Lecture 3（新标签页打开）
- Lecture 4（新标签页打开）
- Lecture 5（新标签页打开）
- Lecture 6（新标签页打开）
- Lecture 7（新标签页打开）
- Lecture 8（新标签页打开）
- Lecture 9（新标签页打开）
- Lecture 10（新标签页打开）
- Lecture 11（新标签页打开）
- Lecture 12（新标签页打开）
- Lecture 13（新标签页打开）
- Lecture 14（新标签页打开）
- Lecture 15（新标签页打开）
- Lecture 16（新标签页打开）
- Lecture 17（新标签页打开）
- Lecture 18（新标签页打开）
- Lecture 19（新标签页打开）
- Lecture 20（新标签页打开）
- Lecture 21（新标签页打开）
- Lecture 22（新标签页打开）
- Lecture 23（新标签页打开）
- Lecture 24（新标签页打开）
- Lecture 25（新标签页打开）
- Lecture 26（新标签页打开）
- Lecture 27（新标签页打开）
- Lecture 28（新标签页打开）
- Lecture 29（新标签页打开）
- Lecture 30（新标签页打开）
- Lecture 31（新标签页打开）
- Lecture 32（新标签页打开）
- Lecture 33（新标签页打开）
- Lecture 34（新标签页打开）
- Lecture 35（新标签页打开）
- 11 | Mon | 19. Particle Filtering | AIMA 14.3 | 8. VPI and HMMs | (due Wed Nov 11)（新标签页打开）
- Lecture 37（新标签页打开）
- Lecture 38（新标签页打开）
- Wed | 23. ML III: Neural Networks | AIMA 19.7（新标签页打开）
- 14 | Mon | 24. ML IV: Applications & Decision Trees | AIMA 19.3 | No Discussion（新标签页打开）