决策理论是现代人工智能和经济学的基础。本课程主要从统计学的角度，也从哲学的角度，为决策理论打下坚实的基础。本课程有两个目的:

• 深入了解统计决策理论、实验设计的自动化方法，并将其与人类决策联系起来。
• 通过开发算法和智能代理的实验，将该理论应用到强化学习和人工智能的实际问题中。

课程可分为两部分。

• 第一部分，我们介绍了主观概率和效用的概念，以及如何用它们来表示和解决决策问题。然后讨论未知参数的估计和假设检验。最后，我们讨论了顺序抽样、顺序实验，以及更一般的顺序决策。

• 第二部分是不确定性下的决策研究，特别是强化学习和专家咨询学习。首先，我们研究几个有代表性的统计模型。然后，我们给出了使用这些模型做出最优决策的算法的概述。最后，我们来看看学习如何根据专家的建议来行动的问题，这个领域最近在在线广告、游戏树搜索和优化方面有很多应用。