人工智能通識基礎

第1章 人工智能概述
1.1 人工智能的定義
1.2 人工智能的起源和發展歷程
1.3 人工智能的多元化應用
1.4 人工智能對社會的影響
1.5 人工智能的未來
課後練習
第2章 機器學習
2.1 機器學習的定義
2.1.1 智能的起點：機器學習的概念
2.1.2 智能的種子：機器學習的基礎知識
2.2 機器學習與人工智能的關系
2.2.1 AI的大腦：機器學習在人工智能中的角色
2.2.2 智能的進化：機器學習如何推動AI的進步
2.3 機器學習的主要分支
2.3.1 預測的藝術：監督學習的秘密
2.3.2 模式的探索者：無監督學習的奧秘
2.3.3 決策的智者：強化學習的策略
2.3.4 學習的融合：半監督學習和自監督學習的創新
2.3.5 學習的多樣性：機器學習“門派”的協同作用
2.4 機器學習項目實施指南
2.4.1 問題的啟航：定義機器學習問題
2.4.2 數據的煉金術：數據收集和處理的藝術
2.4.3 算法的選美：選擇合適的機器學習算法
2.4.4 模型的誕生：從算法選擇到構建實現
2.4.5 訓練的磨礪：模型訓練的技巧
2.4.6 評估的天平：模型評估的科學
2.4.7 部署的航道：將模型投入實戰
2.4.8 監控的守護：持續監控和優化模型
課後練習
第3章 神經網絡與深度學習
3.1 神經網絡基礎
3.1.1 神經元的啟示：生物智能的密碼
3.1.2 人工神經元：智能計算的單元
3.1.3 感知器的誕生：神經網絡的起點
3.1.4 多層網絡：深度學習的基石
3.2 深度學習的誕生
3.2.1 智能的飛躍：深度學習的概念
3.2.2 深度學習的核心：模型的結構與特點
3.3 深度學習的技術分支
3.3.1 圖像的解碼者：卷積神經網絡
3.3.2 序列的編織者：循環神經網絡
3.3.3 攻防博弈的藝術：對抗神經網絡
3.3.4 數據維度的壓縮大師：自編碼器
3.3.5 語言的解碼者：Transformer
3.3.6 結構的解析者：圖神經網絡
3.3.7 決策的 策略：深度強化學習
課後練習
第4章 計算機視覺
4.1 計算機視覺概述