January 2019 Courses Iwill teach 3 courses this January. There will be a lecture every day at 3-4:30pm for 4 weeks

(Mon, Jan 7 to Fri, Feb 1). Location is room 54-100(directions). Listeners are welcome.

·6.5094: Deep Learning for Self-Driving Cars

·(Week 1) Deep Learning: Introduction, state-ofthe-art breakthroughs, TensorFlow overview, GANs, segmentation, and more.

·(Week 2) Self-Driving Cars: Six guest lectures from industry leaders in autonomous vehicles (Waymo, Lyft, Toyota, Audi, Cruise, NVIDIA, and possibly one more).

·6.S091: Deep Reinforcement Learning

·(Week 3) Deep RL introduction, fundamentals, and state-of-the-art overview.

·6.5093: Human-Centered Artificial Intellgence

·(Week 4) Deep learning for understanding the human: emotion, face identity, cogni-

tive load, body pose, natural language processing, and more.

【内容简介】

这节内容教授主要讲述了三个例子来解释基于规则的专家系统。

First：一个可以移动方块的人工智能程序

一个可以移动方块的人工智能程序，这个程序的用途是：我们在桌面上放了一堆方块，程序作为一个假想手来操作这些方块，进行什么操作的命令是报答输入的。当我们输入命令后，程序开始移动这些方块来完成我们的命令。

这个程序的特别之处在于当它完成命令后，你可以向它提问它移动的步骤和思路，它会为你解释移动每一步的理由，看到这里，是不是觉得这个程序简直太智能了。实际上它的实现原理与我们上次说的目标树有关。

Second：一个识别动物的例子

有一个基于规则的专家系统，用来诊断血液中细菌感染的程序，准确率很高。但由于涉及到太多医学专业知识，所以用一个识别动物的例子来解释原理。

（第一周）深度学习：介绍、最新突破、TensorFlow 概述、GANs、分割等

（第二周）自动驾驶汽车：自动驾驶汽车行业领袖企业带来的六场客座公开课，包罗 Waymo、Lfty、Toyouta、Audi、Cruise、NINIDIA 等

链接：http://selfdrivingcars.mit.edu

第一讲：深度学习和自动驾驶汽车简介

第二讲：基于运动规划的深度强化学习

第三讲：用于驾驶任务端到端学习的卷积神经网络

第四讲：以时间为导向递归神经网络

第五讲：以报答中心的半自动驾驶深度学习

6.S091- 深度强化学习

（第三周）深度强化学介绍、基础知识和最新概述

6.S093- 以报答中心的人工智能

（第四周）深度学习理解人类：情感、面部特征、认知负荷、身体姿势、自然语言处理等