图说人工智能

本书以经典的人工智能知识点为整体大纲，以图示化的方式来阐述经典概念与原理，以便读者能快速理解和了解人工智能。同时我们相信，已对人工智能有所了解的读者也可以在本书中以全新的视角，对已掌握的知识有新的理解。希望读者能通过本书来理解基本的人工智能知识与概念，未来能学习与应用人工智能技术来解决问题，进而投身人工智能引发的技术与社会变革中。

第1章 分类算法：知人识物
1.1 分类
1.2 特征
1.3 标签
1.4 向量
1.5 向量之间的距离
1.6 分类几何意义
1.7 K最近邻算法
第2章 回归：如何分析趋势
2.1 回归问题
2.2 回归算法的模型和训练过程
2.3 百科应用：现代曹冲称象
2.4 百科应用：超级去噪
2.5 小结
第3章 聚类：机器学习的蓝海
3.1 聚类问题
3.2 什么是隐藏属性
3.3 概率依赖关系和概率图
3.4 K均值
3.5 层次聚类
3.6 混合模型
3.7 训练预测过程
3.8 物种聚类
3.9 图像聚类
3.10 小结
第4章 神经网络：通用机器学习
4.1 感知机
4.2 激活函数
4.3 神经网络
4.4 输入层、隐藏层、输出层
4.5 神经网络模型训练与应用
4.6 梯度下降法
第5章 深度学习：卷积神经网络
5.1 图像在计算机中的表示
5.2 图像不变性
5.3 深度学习
5.4 人工智能、机器学习、深度学习之间的关系
5.5 CNN与RNN模型
5.6 卷积神经网络
5.7 池化
5.8 ImageNet
5.9 物体检测
5.10 人脸识别
5.11 自动驾驶汽车
5.12 GPU
第6章 深度学习：循环神经网络
6.1 循环与记忆
6.2 记忆与向量
6.3 长短期记忆
6.4 未来的悖论与双向网络
6.5 编码解码结构
6.6 什么是注意力机制
6.7 指数与训练难题
6.8 文本向量
6.9 文本顺序
6.10 声音识别
6.11 文本生成
6.12 小结
第7章 大数据技术：机器学习的根基
7.1 大数据
7.2 摩尔定律失效
7.3 分布式计算
7.4 大数据机器学习
7.5 搜索引擎
7.6 推荐系统
7.7 云计算与人工智能
第8章 人工智能前沿：增强学习
8.1 增强学习
8.2 Q-learning算法
8.3 深度增强学习
8.4 游戏中的人工智能
第9章 人工智能的探索：科学与艺术
9.1 什么是艺术
9.2 如何美颜
9.3 人工智能作画
9.4 写诗风格迁移
9.5 小结
第10章 人工智能应用：对话机器人
10.1 对话机器人
10.2 对话模板
10.3 信息检索
10.4 Seq2Seq模型
10.5 文本在计算机中的表示
10.6 TF-IDF
10.7 情感分析
第11章 人工智能展望：智能医疗
11.1 现代化医院
11.2 物理透视与化学检验
11.3 疾病与基因
11.4 机器人图像诊断
11.5 机器人分析基因
11.6 小结