第1章 編程環(huán)境介紹和安裝
1.1 什么是Python
1.2 為什么用Python來學(xué)習(xí)人工智能
1.3 Anaconda環(huán)境的安裝
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小結(jié)

第2章 Python基礎(chǔ)
2.1 掌握第一個(gè)命令：print
2.2 數(shù)學(xué)運(yùn)算
2.3 變量
2.4 數(shù)據(jù)類型
2.5 函數(shù)
2.6 類
2.7 練習(xí)
2.8 本章小結(jié)

第3章 循環(huán)語句、條件語句和二分搜索算法
3.1 邏輯值和判斷條件
3.2 循環(huán)語句和列表
3.3 二分搜索算法
3.4 練習(xí)
3.5 本章小結(jié)

第4章 遞歸算法和快速排序
4.1 再談列表
4.2 選擇排序
4.3 遞歸算法
4.4 快速排序
4.5 練習(xí)
4.6 本章小結(jié)

第5章 字典和廣度優(yōu)先搜索
5.1 什么是字典
5.2 字典的排序
5.3 廣度優(yōu)先搜索
5.4 練習(xí)
5.5 本章小結(jié)

第6章 集合和貪心算法
6.1 什么是集合
6.2 組合
6.3 貪心算法
6.4 練習(xí)
6.5 本章小結(jié)

第7章 數(shù)組和向量化計(jì)算
7.1 一維數(shù)組
7.2 二維數(shù)組
7.3 數(shù)組操作
7.4 向量化計(jì)算
7.5 練習(xí)
7.6 本章小結(jié)

第8章 隨機(jī)和模擬
8.1 什么是隨機(jī)事件
8.2 模擬擲骰子
8.3 模擬扔硬幣
8.4 練習(xí)
8.5 本章小結(jié)

第9章 數(shù)據(jù)可視化
9.1 可視化目標(biāo)和類型
9.2 matplotlib繪圖基礎(chǔ)
9.3 交互式繪圖模塊
9.4 練習(xí)
9.5 本章小結(jié)

第10章 文件讀取和數(shù)據(jù)分析
10.1 什么是數(shù)據(jù)分析
10.2 文件讀取
10.3 一元統(tǒng)計(jì)分析
10.4 二元統(tǒng)計(jì)分析
10.5 練習(xí)
10.6 本章小結(jié)

第11章 最優(yōu)化方法
11.1 什么是最優(yōu)化
11.2 梯度下降算法
11.3 遺傳算法
11.4 練習(xí)
11.5 本章小結(jié)論

第12章 機(jī)器學(xué)習(xí)基礎(chǔ)
12.1 什么是機(jī)器學(xué)習(xí)
12.2 有監(jiān)督學(xué)習(xí)
12.3 無監(jiān)督學(xué)習(xí)
12.4 強(qiáng)化學(xué)習(xí)
12.5 本章小結(jié)
第13章 感知機(jī)分類器
13.1 什么是分類器
13.2 什么是感知機(jī)分類器
13.3 感知機(jī)分類器是如何訓(xùn)練權(quán)重的
13.4 練習(xí)
13.5 本章小結(jié)
第14章 邏輯回歸分類器
14.1 什么是邏輯回歸分類器
14.2 什么是損失函數(shù)
14.3 邏輯回歸分類器是如何訓(xùn)練權(quán)重的
14.4 分類器的評估方法
14.5 練習(xí)
14.6 本章小結(jié)
第15章 線性回歸和評估
15.1 什么是線性回歸
15.2 線性回歸的評估方法
目錄 IX
15.3 線性回歸是如何訓(xùn)練權(quán)重的
15.4 練習(xí)
15.5 本章小結(jié)
第16章 聚類算法和應(yīng)用
16.1 什么是聚類
16.2 什么是K-means聚類算法
16.3 如何實(shí)現(xiàn)K-means聚類算法
16.4 練習(xí)
16.5 本章小結(jié)
第17章 深度學(xué)習(xí)和框架
17.1 什么是深度學(xué)習(xí)
17.2 深度學(xué)習(xí)框架PyTorch
17.3 PyTorch的安裝
17.4 PyTorch基礎(chǔ)
17.4.1 向量
17.4.2 自動梯度計(jì)算
17.5 練習(xí)
17.6 本章小結(jié)
第18章 基于PyTorch的線性回歸和邏輯回歸
18.1 基于PyTorch的線性回歸
18.2 基于PyTorch的邏輯回歸
18.3 練習(xí)
18.4 本章小結(jié)

第19章 人工神經(jīng)網(wǎng)絡(luò)
19.1 理解人工神經(jīng)網(wǎng)絡(luò)
19.2 基于PyTorch的神經(jīng)網(wǎng)絡(luò)
19.3 練習(xí)
19.4 本章小結(jié)

第20章 用卷積神經(jīng)網(wǎng)絡(luò)處理圖片問題
20.1 用DNN判斷手寫數(shù)字
20.2 用DNN判斷服飾類型
20.3 用CNN判斷服飾類型
20.4 本章小結(jié)

第21章 用循環(huán)神經(jīng)網(wǎng)絡(luò)處理文本問題
21.1 獨(dú)熱編碼
21.2 文本的基本處理
21.3 用DNN判斷文本類別
21.4 用RNN判斷文本類別
21.5 本章小結(jié)

第22章 強(qiáng)化學(xué)習(xí)基礎(chǔ)
22.1 強(qiáng)化學(xué)習(xí)的基本概念
22.2 Q學(xué)習(xí)的思想
22.3 在一維空間中尋寶
22.4 本章小結(jié)

第23章 強(qiáng)化學(xué)習(xí)探索二維世界
23.1 二維格子世界的問題
23.2 環(huán)境模塊gym
23.3 基于Q學(xué)習(xí)的二維格子世界
23.4 本章小結(jié)

第24章 人工智能的下一步和學(xué)習(xí)資源
24.1 人工智能的前沿進(jìn)展
24.2 人工智能的未來
24.3 生活中的人工智能工具
24.4 學(xué)習(xí)資源
24.4.1 出版讀物
24.4.2 網(wǎng)絡(luò)課
24.4.3 微信公眾號