第1章 编程环境介绍和安装
1.1 什么是Python
1.2 为什么用Python来学习人工智能
1.3 Anaconda环境的安装
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小结
第2章 Python基础
2.1 掌握第一个命令：print
2.2 数学运算
2.3 变量
2.4 数据类型
2.5 函数
2.6 类
2.7 练习
2.8 本章小结
第3章 循环语句、条件语句和二分搜索算法
3.1 逻辑值和判断条件
3.2 循环语句和列表
3.3 二分搜索算法
3.4 练习
3.5 本章小结
第4章 递归算法和快速排序
4.1 再谈列表
4.2 选择排序
4.3 递归算法
4.4 快速排序
4.5 练习
4.6 本章小结
第5章 字典和广度优先搜索
5.1 什么是字典
5.2 字典的排序
5.3 广度优先搜索
5.4 练习
5.5 本章小结
第6章 集合和贪心算法
6.1 什么是集合
6.2 组合
6.3 贪心算法
6.4 练习
6.5 本章小结
第7章 数组和向量化计算
7.1 一维数组
7.2 二维数组
7.3 数组操作
7.4 向量化计算
7.5 练习
7.6 本章小结
第8章 随机和模拟
8.1 什么是随机事件
8.2 模拟掷骰子
8.3 模拟扔硬币
8.4 练习
8.5 本章小结
第9章 数据可视化
9.1 可视化目标和类型
9.2 matplotlib绘图基础
9.3 交互式绘图模块
9.4 练习
9.5 本章小结
第10章 文件读取和数据分析
10.1 什么是数据分析
10.2 文件读取
10.3 一元统计分析
10.4 二元统计分析
10.5 练习
10.6 本章小结
第11章 最优化方法
11.1 什么是最优化
11.2 梯度下降算法
11.3 遗传算法
11.4 练习
11.5 本章小结论
第12章 机器学习基础
12.1 什么是机器学习
12.2 有监督学习
12.3 无监督学习
12.4 强化学习
12.5 本章小结
第13章 感知机分类器
13.1 什么是分类器
13.2 什么是感知机分类器
13.3 感知机分类器是如何训练权重的
13.4 练习
13.5 本章小结
第14章 逻辑回归分类器
14.1 什么是逻辑回归分类器
14.2 什么是损失函数
14.3 逻辑回归分类器是如何训练权重的
14.4 分类器的评估方法
14.5 练习
14.6 本章小结
第15章 线性回归和评估
15.1 什么是线性回归
15.2 线性回归的评估方法
15.3 线性回归是如何训练权重的
15.4 练习
15.5 本章小结
第16章 聚类算法和应用
16.1 什么是聚类
16.2 什么是K-means聚类算法
16.3 如何实现K-means聚类算法
16.4 练习
16.5 本章小结
第17章 深度学习和框架
17.1 什么是深度学习
17.2 深度学习框架PyTorch
17.3 PyTorch的安装
17.4 PyTorch基础
17.4.1 向量
17.4.2 自动梯度计算
17.5 练习
17.6 本章小结
第18章 基于PyTorch的线性回归和逻辑回归
18.1 基于PyTorch的线性回归
18.2 基于PyTorch的逻辑回归
18.3 练习
18.4 本章小结
第19章 人工神经网络
19.1 理解人工神经网络
19.2 基于PyTorch的神经网络
19.3 练习
19.4 本章小结
第20章 用卷积神经网络处理图片问题
20.1 用DNN判断手写数字
20.2 用DNN判断服饰类型
20.3 用CNN判断服饰类型
20.4 本章小结
第21章 用循环神经网络处理文本问题
21.1 独热编码
21.2 文本的基本处理
21.3 用DNN判断文本类别
21.4 用RNN判断文本类别
21.5 本章小结
第22章 强化学习基础
22.1 强化学习的基本概念
22.2 Q学习的思想
22.3 在一维空间中寻宝
22.4 本章小结
第23章 强化学习探索二维世界
23.1 二维格子世界的问题
23.2 环境模块gym
23.3 基于Q学习的二维格子世界
23.4 本章小结
第24章 人工智能的下一步和学习资源
24.1 人工智能的前沿进展
24.2 人工智能的未来
24.3 生活中的人工智能工具
24.4 学习资源
24.4.1 出版读物
24.4.2 网络课
24.4.3 微信公众号
展开
