目錄
第1章 人工智慧
1.1 人工智慧概述
1.1.1 人工智慧的定義
1.1.2 人工智慧的歷史
1.2 人工智慧的研究內容
1.2.1 認知建模
1.2.2 知識表示
1.2.3 自動推理
1.2.4 機器感知
1.2.5 機器思維
1.3 人工智慧技術分類
1.3.1 機器學習
1.3.2 深度學習
1.3.3 自然語言處理
1.3.4 電腦視覺
1.3.5 專家系統
1.3.6 智能機器人
1.4 人工智慧應用
1.4.1 智慧醫療
1.4.2 智能金融
1.4.3 智能製造
1.4.4 自動駕駛
1.4.5 智能家居
第2章 機器學習
2.1 機器學習概述
2.2 機器學習方法
2.2.1 有監督學習
2.2.2 無監督學習
2.2.3 遷移學習
2.2.4 強化學習
2.3 分類與回歸
2.3.1 分類模型
2.3.2 回歸模型
2.4 機器學習庫
2.4.1 TensorFlow
2.4.2 Keras
2.4.3 PyTorch
2.4.4 Scikit-learn
2.4.5 NumPy
2.4.6 Pandas
2.4.7 Matplotlib
2.5 項目實踐
2.5.1 環境安裝
2.5.2 PyTorch基礎
第3章 深度學習
3.1 神經網路
3.1.1 神經網路簡介
3.1.2 神經網路發展史
3.1.3 神經網路模型
3.2 學習案例1：房價預測
3.2.1 線性回歸模型
3.2.2 模型參數確定
3.2.3 模型評估方法
3.2.4 梯度下降演算法
3.2.5 PyTorch中的梯度下降
3.2.6 模型訓練中的優化問題
3.2.7 神經網路類
3.3 學習案例2：乳腺癌預測
3.3.1 數據處理
3.3.2 神經網路類定義
3.3.3 模型訓練與預測
第4章 電腦視覺
4.1 電腦視覺概述
4.1.1 電腦視覺簡介
4.1.2 電腦視覺發展史
4.1.3 電腦視覺應用與挑戰
4.2 學習案例3：手寫數字識別
4.2.1 電腦圖像的表示
4.2.2 數據處理
4.2.3 二分類與多分類
4.2.4 多層神經網路
4.3 學習案例4：CIFAR-10圖像分類
4.3.1 CIFAR-10簡介
4.3.2 卷積神經網路
4.3.3 卷積層
4.3.4 池化層
4.3.5 多層處理
4.3.6 全連接層
4.3.7 構建CIFAR-10分類網路
第5章 自然語言處理
5.1 自然語言處理概述
5.1.1 自然語言處理簡介
5.1.2 自然語言處理髮展史
5.1.3 自然語言處理應用與挑戰
5.2 文本預處理
5.2.1 分詞
5.2.2 停用詞
5.2.3 詞的文本表示
5.3 語言模型
5.3.1 語言模型的定義和應用
5.3.2 統計語言模型
5.3.3 神經網路語言模型
5.4 學習案例5：情感分析
5.4.1 獲取IMDB影評數據集
5.4.2 數據預處理
5.4.3 字典編碼
5.4.4 數據分批
5.4.5 情感分析神經網路類
5.4.6 訓練與測試
第6章 智能機器人
6.1 大語言模型
6.1.1 大語言模型簡介
6.1.2 大語言模型發展史
6.1.3 應用、趨勢與發展
6.2 智能機器人概述
6.2.1 機器人簡介
6.2.2 認識智能機器人
6.2.3 智能機器人的發展現狀
6.2.4 智能機器人的前景
&
[