第1章 人工智能的基礎(chǔ)知識(shí)01 人工智能是什么 00202 機(jī)器學(xué)習(xí)（ML） 00603 深度學(xué)習(xí)（DL）是什么 01004 人工智能和機(jī)器學(xué)習(xí)的普及之路 014第2章 機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)05 有教師學(xué)習(xí)的機(jī)制 02006 無(wú)教師學(xué)習(xí)的機(jī)制 02407 強(qiáng)化學(xué)習(xí)的機(jī)制 02808 統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的區(qū)別 03009 機(jī)器學(xué)習(xí)和特征量 03410 擅長(zhǎng)的領(lǐng)域和不擅長(zhǎng)的領(lǐng)域 03811 應(yīng)用機(jī)器學(xué)習(xí)的案例 042第3章 機(jī)器學(xué)習(xí)的過(guò)程和核心技術(shù)12 機(jī)器學(xué)習(xí)的基本工作流程 04813 數(shù)據(jù)的收集 05214 數(shù)據(jù)的整定 05615 模型的制作和訓(xùn)練 06016 批學(xué)習(xí)和在線學(xué)習(xí) 06417 利用測(cè)試數(shù)據(jù)對(duì)預(yù)測(cè)結(jié)果進(jìn)行驗(yàn)證 06618 訓(xùn)練結(jié)果的評(píng)價(jià)標(biāo)準(zhǔn) 07019 超參數(shù)和模型的調(diào)節(jié) 07620 主動(dòng)學(xué)習(xí) 08021 相關(guān)和因果 08422 反饋回路 088第4章 機(jī)器學(xué)習(xí)算法23 回歸分析 09224 支持向量機(jī) 09825 決策樹(shù) 10226 協(xié)同學(xué)習(xí) 10627 協(xié)作學(xué)習(xí)的應(yīng)用 11028 邏輯回歸 11429 貝葉斯模型 11630 時(shí)間序列分析和狀態(tài)空間模型 12031 k近鄰（k-NN）法和k平均（k-means）法 12432 降維和主成分分析 12833 優(yōu)化和遺傳算法 132第5章 深度學(xué)習(xí)的基礎(chǔ)知識(shí)34 神經(jīng)網(wǎng)絡(luò)和其歷史 13835 深度學(xué)習(xí)和圖像識(shí)別 14636 深度學(xué)習(xí)和自然語(yǔ)言處理 150第6章 深度學(xué)習(xí)的流程和核心技術(shù)37 基于誤差反向傳播法的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí) 15638 神經(jīng)網(wǎng)絡(luò)的優(yōu)化 15839 坡度消失問(wèn)題 16240 遷移學(xué)習(xí) 164第7章 深度學(xué)習(xí)算法41 卷積神經(jīng)網(wǎng)絡(luò)（CNN） 17042 遞歸型神經(jīng)網(wǎng)絡(luò)（RNN） 17443 強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí) 18044 自動(dòng)編碼器 18645 GAN（生成對(duì)抗網(wǎng)絡(luò)） 19046 物體檢測(cè) 194第8章 系統(tǒng)開(kāi)發(fā)和開(kāi)發(fā)環(huán)境47 人工智能編程使用的主要語(yǔ)言 20048 機(jī)器學(xué)習(xí)的庫(kù)和框架 20449 深度學(xué)習(xí)的框架 20850 GPU編程和快速化 21451 機(jī)器學(xué)習(xí)服務(wù) 216結(jié)束語(yǔ) 219參考文獻(xiàn) 220