圖解機器學習與深度學習入門

山口達輝 Aidemy股份有限公司的工程師。依照Aidemy Pre-mium Plan計劃，對學習者從基本的編程指南到機器學習系統的實踐進行指導。大學專攻自動駕駛專業，但是因偶然的機會從其他學科的教師那裡取得了講義後對機器學習的未來充滿信心，隨後變成了AI工程師。當前對於人工智能和腦科學領域比較感興趣。現在正在為了探究人類的心智究竟是什麼這個其中學時代就感興趣的問題而閱讀認知科學方面的論文。

第1章人工智能的基礎知識
01 人工智能是什麼
02 機器學習（ML）
03 深度學習（DL）是什麼
04 人工智能和機器學習的普及之路
第2章機器學習的基礎知識
05 有教師學習的機制
06 無教師學習的機制
07 強化學習的機制
08 統計和機器學習的區別
09 機器學習和特徵量
10 擅長的領域和不擅長的領域
11 應用機器學習的案例
第3章機器學習的過程和核心技術
12 機器學習的基本工作流程
13 資料的收集
14 資料的整定
15 模型的製作與訓練
16 批學習與線上學習
17 利用資料對預測結果進行驗證
18 訓練結果的評估標準
19 超參數與模型的調節
20 主動學習
21 相關與因果
22 回饋迴路
第4章機器學習演算法
23 迴歸分析
24 支援向量機
25 決策樹
26 協同學習
27 協同學習的應用
28 邏輯迴歸
29 貝葉斯模型
30 時間序列分析與狀態空間模型
31 k近鄰（k-NN）法和k平均（k-means）法
32 降維和主成分分析
33 優化和遺傳演算法
第5章深度學習的基礎知識
34 神經網絡和其歷史
35 深度學習和圖像識別
36 深度學習和自然語言處理
第6章深度學習的流程和核心技術
37 基於誤差反向傳播法的神經網絡學習
38 神經網絡的最佳化
39 坡度消失問題
40 遷移學習
第7章深度學習演算法
41 捲積神經網絡（CNN ）
42 遞歸型神經網絡（RNN）
43 強化學習與深度學習
44 自動編碼器
45 GAN（生成對抗網絡）
46 物體偵測
第8章系統開發與開發環境
47 人工智能程式設計使用的主要語言
48 機器學習的函式庫和框架
49 深度學習的框架
50 GPU程式設計和快速化
51 機器學習服務
結束語
參考文獻