实验安排<br>（5核心实验）<br>
实验1：A*路径规划（第3周） <br>要求：迷宫求解（Python+Matplotlib可视化）
实验2：手写数字识别（第7周）
要求：Sklearn实现KNN（准确率≥85%）
实验3：CNN图像分类（第9周）
要求：PyTorch搭建ResNet训练CIFAR-10
实验4：Bert文本情感分析（第12周）
要求：HuggingFace调参（F1-score≥0.75）
实验5：强化学习走迷宫（第14周）
要求：TensorFlow实现DQN（收敛步数可视化）
推荐学习资源
教材<br>
《Artificial Intelligence: A Modern Approach》(4th,2023)
经典论文<br>
《Attention Is All You Need》（Transformer奠基）
《ImageNet Classification with Deep CNN》（AlexNet）
在线课程<br>
Coursera: Andrew Ng《Machine Learning》
斯坦福CS231n（计算机视觉）
代码库<br>
GitHub热门仓库
PyTorch官方教程（60+实战案例）
Kaggle Titanic项目（入门竞赛模板）
工具平台
Google Colab（GPU环境）
Weights &amp; Biases（实验追踪）
