圖解機器學習和深度學習入門

第1章 人工智能的基礎知識
01 人工智能是什么 002
02 機器學習（ML） 006
03 深度學習（DL）是什么 010
04 人工智能和機器學習的普及之路 014

第2章 機器學習的基礎知識
05 有教師學習的機制 020
06 無教師學習的機制 024
07 強化學習的機制 028
08 統(tǒng)計和機器學習的區(qū)別 030
09 機器學習和特征量 034
10 擅長的領域和不擅長的領域 038
11 應用機器學習的案例 042

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 048
13 數據的收集 052
14 數據的整定 056
15 模型的制作和訓練 060
16 批學習和在線學習 064
17 利用測試數據對預測結果進行驗證 066
18 訓練結果的評價標準 070
19 超參數和模型的調節(jié) 076
20 主動學習 080
21 相關和因果 084
22 反饋回路 088

第4章 機器學習算法
23 回歸分析 092
24 支持向量機 098
25 決策樹 102
26 協(xié)同學習 106
27 協(xié)作學習的應用 110
28 邏輯回歸 114
29 貝葉斯模型 116
30 時間序列分析和狀態(tài)空間模型 120
31 k近鄰（k-NN）法和k平均（k-means）法 124
32 降維和主成分分析 128
33 優(yōu)化和遺傳算法 132

第5章 深度學習的基礎知識
34 神經網絡和其歷史 138
35 深度學習和圖像識別 146
36 深度學習和自然語言處理 150

第6章 深度學習的流程和核心技術
37 基于誤差反向傳播法的神經網絡學習 156
38 神經網絡的優(yōu)化 158
39 坡度消失問題 162
40 遷移學習 164

第7章 深度學習算法
41 卷積神經網絡（CNN） 170
42 遞歸型神經網絡（RNN） 174
43 強化學習和深度學習 180
44 自動編碼器 186
45 GAN（生成對抗網絡） 190
46 物體檢測 194

第8章 系統(tǒng)開發(fā)和開發(fā)環(huán)境
47 人工智能編程使用的主要語言 200
48 機器學習的庫和框架 204
49 深度學習的框架 208
50 GPU編程和快速化 214
51 機器學習服務 216

結束語 219

參考文獻 220