寫給青少年的AI啟蒙書：機器學習與深度學習

1章 無處不在無所不能——走進人工智能 001
1.1 探索——何為人工智能 002
1.2 認識——人工智能三駕馬車 006
1.3 揭秘——人工智能、機器學習與深度學習的關系 009
第2章 手握工具的學徒——機器學習基礎知識 011
2.1 探尋解決問題的方法——什麼是算法 012
2.2 認識人工智能的大腦——什麼是機器學習 016
2.3 探索人工智能的大腦——機器學習流程 017
2.4 動手給數據打上標簽——數據標註 021
2.5 了解各具特色的算法——機器學習分類 021
2.6 手握工具的學徒——機器學習特點 035
第3章 帶答案的學習——監督學習算法 039
3.1 分類和回歸——監督學習擅長的任務 040
3.2 近朱者赤近墨者黑——K 近鄰算法 043
3.3 分門別類——決策樹算法 048
3.4 聰明的裁判——支持向量機算法 065
第4章 沒有答案的學習——無監督學習算法 073
4.1 聚類和降維——無監督學習擅長的任務 074
4.2 物以類聚人以群分——K 均值算法 077
4.3 提取精華——主成分分析算法 081
第5章 部分帶答案的學習——半監督學習算法 089
5.1 數據稀缺時的智慧——半監督學習擅長的任務 090
5.2 自我學習和訓練——自訓練算法 092
5.3 團結合作——協同訓練算法 094
第6章 獎罰分明的學習——強化學習算法 099
6.1 決策問題——強化學習擅長的任務 100
6.2 不斷試錯不斷獎勵——Q-Learning 算法 102
6.3 八仙過海各顯神通——如何選擇合適算法 105
第7章 模仿人腦神經網絡——人工神經網絡 109
7.1 強勢崛起——人工神經網絡 110
7.2 起起伏伏——人工神經網絡的發展 119
7.3 非黑即白——單層神經網絡 124
7.4 層層加碼——淺層神經網絡 127
7.5 層出不窮——深層神經網絡 129
第8章 自學成才的天才——深度學習基礎知識 135
8.1 認識人工智能的大腦——什麼是深度學習 136
8.2 探索人工智能的大腦——深度學習流程 137
8.3 了解各具特色的模型——深度學習分類 140
8.4 圖像篩選器——卷積神經網絡 140
8.5 形影不離——循環神經網絡 152
第9章 百花齊放——卷積神經網絡算法 159
9.1 開山之作——LeNet 161
9.2 王者歸來——AlexNet 164
9.3 裏程碑式創新——ResNet 168
第10章 遍地開花——循環神經網絡算法 175
10.1 既記憶也遺忘——LSTM 176
10.2 三門變兩門——GRU 183
10.3 寫在最後 187
參考文獻 188