add UC BerkeleyCS188

UC BerkeleyCS188人工智能导论/README.md

@@ -0,0 +1,41 @@
+课号：[*UC* Berkeley CS 188](https://inst.eecs.berkeley.edu/~cs188/fa18/)
+
+教授：[Pieter Abbeel](https://people.eecs.berkeley.edu/~pabbeel/), [Dan Klein](https://people.eecs.berkeley.edu/~klein/)
+
+评论贡献者：[Weijun-H](https://github.com/Weijun-H)
+
+- [X] Videos: [Youtube](https://inst.eecs.berkeley.edu/~cs188/fa18/index.html), [B站](https://www.bilibili.com/video/BV1vt41167c9?from=search&seid=12422617009346904534)
+
+- [X] [Project & HW](https://inst.eecs.berkeley.edu/~cs188/fa18/)
+
+- [X] [Slides & Reading & Notes](https://inst.eecs.berkeley.edu/~cs188/fa18/)
+
+- [X] [AutoGrader](https://inst.eecs.berkeley.edu/~cs188/fa18/) AutoGrader只能用来做课后练习题，不能用来评判Project作业
+
+## 课程信息
+
+人工智能导论。主要介绍智能系统设计的基本思想和技术，主要介绍统计和决策理论建模方法相关的内容。如果只是想了解机器学习和深度学习这方面的同学，这门课不是很好的选择。
+
+## 适合人群
+
+本课程适合已经学习过数据结构，离散数学和概率论的同学。虽然project都是用python写的，但是project0是前置学习内容能够快速过一遍。
+
+## 课程评价
+
+这门课属于人工智能概论的课程，第一节课老师上课展示的Pacman足够有趣，而课程Project就是带着你一步一步实现一个属于你自己的Pacman。
+
+- 优点：
+  - 课后练习丰富，Autograder类似MOOC的形式
+  - Project 有一定趣味性
+  - 如果已经修过UBC的CS61B的同学应该可以直接上手
+- 缺点：
+  - 不能得到机器学习和深度学习等方面足够的知识与练习
+  - 每个方面都是浅尝辄止，需要自己课后深挖
+
+## 官方资料推荐
+
+- Stuart Russell, Peter Norvig - Artificial Intelligence_ A Modern Approach 
+
+## 后续课程推荐
+
+- 暂无