AI-CS

  
  A
  编程语言CSE 200 Java
  本课程主要介绍Java编程语言，使学生掌握基本面向对象编程，计算机科学基本概念，简单的数据结构，逐步学习并能够独立完成较复杂的项目。覆盖美国高中计算机科学AP考试所有内容。
  教学内容
  静态方法、数据8大基本型、表达式、变量、赋值、打印语句
  条件语句、嵌套的条件语句、循环
  嵌套的循环
  Array数组
  常量、参数、返回值、数学库的调用、用户输入
  文件读取、文件写出、随机数
  面向对象与类、文字表达式
  类的创建、封装
  继承、多态
  ArrayList数组列
  Set集合、Map散列表
  端口、Linked List链表
  B
  CSE 300数据结构与算法
  本课程主要介绍常见的数据结构、算法在计算机科学领域的应用，强化面向对象编程设计的思维，掌握高级编程的技巧。本课程使用语言：Java。
  学习内容
  二叉树、搜索二叉树、3种方式遍历Pre-order、In-order、Post-order
  Stack堆栈、Queue队列
  树的BFS广度优先搜索、DFS深度优先搜索
  Binary Heap二叉堆、Min Heap最小堆、Max Heap*堆Priority Queue优先队列
  Generics型、Comparator比较者
  TreeSet树形集合、TreeMap树形散列表、Comparator比较者、Comparable可比端口
  HashSet哈希集合、HashMap哈希散列表、HashCode哈希码、Hashing Function哈希方程
  图论、图论中的BFS广度优先搜索、DFS深度优先搜索
  Dijkstra’s Algorithm戴克斯特拉算法
  启发式搜索介绍，启发方程
  动态规划I：斐波那契数列、背包问题
  动态规划II：城市雨量问题
  动态规划III：勇者斗恶龙问题
  排序：Radix Sort、Merge Sort、Quick Sort简介
  C
  CSE 400人工智能
  课程主要介绍人工智能领域的算法、原理、推论以及模型。课程所使用的语言：Java或者python。
  教学内容
  启发式搜索
  对抗搜索
  嵌套的循环
  期望值*搜索
  马尔可夫决策过程简介Markov Decision Processes
  马尔可夫决策过程实现Markov Decision Processes
  强化学习简介Reinforcement Learning
  强化学习实现Reinforcement Learning
  不确定性及其概率证明
  隐马尔可夫模型Hidden Markov Model
  贝叶斯网络简介Bayesian network
  贝叶斯网络模型推理
  机器学习：原始贝氏模型Naïve Bayes
  机器学习：MIRA线性分类算法
  神经网络简介
  神经网络初步实现