PAC-MAN项目是为UC Berkeley＆＃39; S介绍性人工智能课程，CS 188。他们应用了一系列AI技术来玩Pac-Man。然而，这些项目不专注于为视频游戏构建AI。相反，他们教授基础AI概念，例如知情的状态空间搜索，概率推断和加强学习。这些概念依据自然语言处理，计算机视觉和机器人等现实世界应用领域。
我们设计了这些项目，以三大目标为设计。该项目允许学生可视化他们实施的技术的结果。它们还包含代码示例和清晰的方向，但不要强制学生通过不必要的脚手架削弱。最后，Pac-Man提供了需要创造性解决方案的具有挑战性的问题环境;现实世界的AI问题是挑战性，PAC-MAN也是如此。
在我们的课程中，这些项目促进了入学，教学评论和学生参与。该项目已经经过现场测试，精致和调试伯克利的多个学期。我们现在很乐意将它们释放到其他教育用途的其他大学。
教练＆＃39;使用EDX平台的项目指南，使用EDX平台联系信息UNIX / Python教程此简短的UNIX / Python教程将学生推出到了 Python编程语言和UNIX环境。
搜索学生利用深度第一，广度，统一的成本和*搜索算法。 这些算法用于解决导航和旅行推销员问题 Pacman World。
多代理搜索经典Pacman被建模为普通话和随机搜索问题。 学生实现多元素Minimax和Ippectimax算法，以及 设计评估功能。
加强学习学生实现基于模型和无模型的加强学习算法， 适用于Aima教科书＆＃39; S Gridworld，Pacman和模拟爬行机器人。
隐藏马尔可夫模型中的幽灵票是概率推断追踪隐藏的运动 Pacman世界的鬼魂。学生使用前进实施精确推断 算法和粒子滤波器的近似推断。
分类学生使用标准机器学习分类算法使用 天真的贝叶斯，Perceptron和Mira模型来分类数字。学生通过 实施行为克隆Pacmman代理。
比赛：Pacman捕获旗帜学生为两名代理团队创造战略，以发挥多人 捕获 - Pacman的旗帜变体。
PAC-MAN项目以纯Python 2.7编写，不依赖于标准Python分布外部的任何包。
该项目得到了国家科学基金会在职业生涯授予0643742中得到支持。本材料中表达的任何意见，调查结果和结论或建议都是提交人的意见，也不一定反映国家科学基金会（NSF）的意见。