人工智能
为积极响应国家低碳环保政策，2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。
电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。
完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。
认证证书申请注意事项：
1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。
2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。
人工智能原理
人工智能是国内外著名大学计算机专业设置的骨干课之一，也是国内外著名高校和研究机构的主要研究方向之一。人工智能研究如何用计算机软件和硬件去实现Agent的感知、决策与智能行为，其理论基础表现为搜索、推理、规划和学习，应用领域包括计算机视觉、图像分析、模式识别、专家系统、自动规划、智能搜索、计算机博弈、智能控制、机器人学、自然语言处理、社交网络、数据挖掘、虚拟现实等。
本课程在系统回顾人工智能发展历程的基础上，重点介绍人工智能的核心思想、基本理论，基本方法与部分应用。课程以该英文原版教材为主，并根据人工智能、特别是机器学习领域的发展和变化，编撰和充实了大量的内容。本课程共有12讲，采用双语教学，即中英文PPT和中英文作业等、中文讲授和交流。
人工智能基础
本课程推荐教材及与课程学习目标对应关系如下：
1. 授课教材：《人工智能》丁世飞编著电子工业出版社 2020年第三版ISBN：9787121363955。
（1）教材特点：《人工智能导论（第3版）》主要阐述人工智能的基本原理、方法和应用技术。全书共13章，除第1章讨论人工智能基本概念、第13章讨论人工智能的争论与展望外，其余11章按照“基本智能+典型应用+计算智能”三个模块编排内容。一个模块为人工智能经典的三大技术，分别为知识表示技术、搜索技术和推理技术，主要包括知识表示、确定性推理、搜索策略、不确定性推理；第二个模块为人工智能的典型应用领域，包括机器学习、支持向量机和专家系统；第三个模块为计算智能与群智能，包括神经计算、进化计算、模糊计算和群智能。
本课程主要选用了本教材的第一稿模块，即知识表示技术、搜索技术和推理技术中相关的内容。
（2）使用方法：本教材对应课程学习目标1-5，可以做到对课程内容前半部分的全覆盖，请同学们学习完视频之后，一定要详细阅读教材中的对应部分，并针对课后习题进行联系，能够有效提高学习质量；
2、本课程参考了大量网络上的课程。对应课程学习目标6-8，包括：
https://stanford-cs221.github.io/spring2021/
https://cse.iitkgp.ac.in/~dsamanta/courses/da/
百度飞桨师资培训的机器学习和深度学习的内容。
https://easyai.tech
此外还有参考百度百科、B站、以及知乎和CSDN等各类科技网站。
在此表示感谢！
人工智能学习方法：课程大纲、计划、内容
提到人工智能大家的第一反应就是小白可以自学人工智能吗？人工智能开发如何入门？基于这些问题黑马程序员特地整理最新的人工智能学习路线图，帮助大家了解人工智能学什么，每一个阶段应该掌握什么内容。构建大家的学习思路，首先我们来看一张学习路线图：
图片被压缩了，可以到黑马程序员官网下载。
第一阶段人工智能开发入门：从人工智能Python语言入手，掌握Python基础语法，位后续的学习打基础。第二阶段机器学习核心技术：掌握核心机器学习算法原理，掌握分类、回归、聚类使用场景，满足人工智能数据挖掘岗位，薪资可达到得15K-20K。第三阶段深度学习核心技术：掌握深度学习算法原理，掌握BP神经网络、CNN、RNN等基础网络结构，为后续NLP和CV奠定技术基础。第四阶段NLP自然语言处理技术：本阶段课程将掌握突破市场最热超高年薪得NLP技术，学生可对应市场上NLP工程师，根据市场反馈年薪可达30K。第五阶段CV计算机视觉技术：掌握计算机视觉基础算法原理，掌握目标检测、分类、跟踪等各类CV任务，学生可对应市场CV工程师岗位，薪资可达20K以上。第六阶段大厂面试专题：围绕大厂高频面试，给出详尽解答，针对机器学习、深度学习、CV、NLP、数据结构于算法系列专项面试题，有效学习。
一、学习计划图片是黑马程序员人工智能就业班的学习时间安排，大家可以作为一个参考。根据自己的时间规划好每一个阶段的学习。另外，学习计划是非常重要的。梳理学习计划的时候，我们可以清楚的知道每一个阶段要学什么内容，学习结束后在市场的价值如何。并且通过学习计划的构建可以清楚的知道每一个阶段学习结束后如何检验学习成果。
二、人工智能学习资源请推荐一个人工智能学习路线图？3赞同·2评论回答
黑马程序员公开了四个阶段的人工智能相关学习内容，从Python入门课程到数据挖掘，以及机器学习核心技术，NLP自然语言处理技术和CV计算机视觉技术。从认识Python开始，可以掌握神经网络基础、卷积神经网络相关知识，并用卷积神经网络原理搭建自己的网络。
三、学习方法（1）了解概念人工智能是一门非常综合的学科，想必大家想要学习人工智能前都应该听过这些词：数据科学、大数据、人工智能、预测型分析、计算机统计等等。所以，在闷头学习前，尽量把这个概念都过一遍，对人工智能、机器学习，有一个基本的认识。（2）预备知识机器学习看起来很吓人，好像需要很厉害的数学知识或者必须是开发大牛。但是其实只要保证自己在数学和编程方面不掉队即可。Python需要掌握基础和进阶相关的内容，数学需要数据课学和统计学相关知识，机器学习算法中需要线性代数和微积分作为基础。（3）原理知识第一步我们是浅浅地了解概念，这一步我们要深入到相关原理知识。在机器学习中，我们会遇到一些列的问题，比如数据收集非常耗时耗力，我们需要考虑：收集什么类型的数据？需要多少数据？数据假设和预处理，不同的算法需要对输入数据进行不同的假设等等。在这里推荐参考书籍《统计学习基础》。（4）针对性练习尽量将基础理念知识实操，通过具体的案例将理论知识变为实战，将实战内容变成项目。也可以从写模型开始，从简单的模型入手，手写数字识别，能跑通后尝试该参数。最后把深度学习的经典模型都过一遍，能仿写一个是最好的。不管什么样的模型都时万变不离其宗。
四、总结无论学习什么内容，了解知识框架是第一步，在有了一定的了解之后可以定好可执行计划。按照计划从理论知识到理论实践结合，最后是通过练习独立完成项目。这是一个完整的学习顺序，在这个过程中要学会独立思考问题，避免钻牛角尖，也不要参与网上对于ML知识的争论。多想想为什么！最后祝福大家学有所成~！