怎樣開始逐步學(xué)習(xí)人工智能呢？網(wǎng)上查閱了蠻多的資料，做了一個(gè)簡單的總結(jié)。

數(shù)學(xué)需要準(zhǔn)備哪些內(nèi)容：

線性代數(shù) - 如何將研究對(duì)象結(jié)構(gòu)化

概率論 - 如何描述統(tǒng)計(jì)規(guī)律

梳理統(tǒng)計(jì) - 如何以小見大

最優(yōu)化方法 - 如何找到最優(yōu)解

信息論 - 如何定量的度量不確定性

形式邏輯 - 如何實(shí)現(xiàn)抽象推理

機(jī)器學(xué)習(xí)目的就是如何讓計(jì)算機(jī)識(shí)別特征

線性回歸 - 如何擬合線性模型

樸素貝葉斯分類 - 如何利用后驗(yàn)概率

邏輯回歸 - 如何利用似然函數(shù)

決策樹方法 - 如何利用信息增益

支持向量機(jī) - 如何在特征空間上分類

集成學(xué)習(xí) - 如何整合優(yōu)化

聚類分析 - 如何實(shí)現(xiàn)無監(jiān)督學(xué)習(xí)

降維學(xué)習(xí) - 如何抓大放小

人工神經(jīng)網(wǎng)絡(luò)就是要如何模擬人類認(rèn)知

基本單元 - 神經(jīng)元和感知器，如何構(gòu)建神經(jīng)網(wǎng)絡(luò)

多層感知器 - 如何解決復(fù)雜問題

前饋和反向傳播 - 徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)，如何實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)優(yōu)化

自組織特征映射 - 如何使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)無監(jiān)督學(xué)習(xí)

模糊神經(jīng)網(wǎng)絡(luò) - 如何使神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)邏輯功能

深度學(xué)習(xí)就是如何讓神經(jīng)網(wǎng)絡(luò)物盡其用

深度前饋網(wǎng)絡(luò) - 如何實(shí)現(xiàn)最佳近似

深度學(xué)習(xí)中的正則化 - 如何抑制過擬合

深度學(xué)習(xí)優(yōu)化 - 如何提高學(xué)習(xí)效率

自編碼器 - 如何實(shí)現(xiàn)生成式建模

深度強(qiáng)化學(xué)習(xí) - 如何實(shí)現(xiàn)從數(shù)據(jù)到?jīng)Q策

深度網(wǎng)絡(luò)實(shí)例

深度信念網(wǎng)絡(luò) - 如何充分利用隱蔽單元

卷積神經(jīng)網(wǎng)絡(luò) - 如何高效處理網(wǎng)絡(luò)化數(shù)據(jù)

遞歸神經(jīng)網(wǎng)絡(luò) - 如何高效處理序列數(shù)據(jù)

生成式對(duì)抗網(wǎng)絡(luò) - 如何讓神經(jīng)網(wǎng)絡(luò)自行優(yōu)化

長短期記憶神經(jīng)網(wǎng)絡(luò) - 如何在神經(jīng)網(wǎng)絡(luò)中引入記憶

深度學(xué)習(xí)外的人工智能

貝葉斯網(wǎng)絡(luò) - 如何利用有向概率圖

集群智能 - 如何讓智能涌現(xiàn)

遷移學(xué)習(xí) - 如何基于小數(shù)據(jù)學(xué)習(xí)

知識(shí)圖譜

應(yīng)用場(chǎng)景

計(jì)算機(jī)視覺

語音識(shí)別

對(duì)話系統(tǒng)

機(jī)器翻譯