收藏
课程目录
0.1 人工智能的诞生
0.2 人工智能发展简史
0.3 什么是人工智能？
1.1 从数字识别谈起
1.2 神经元与神经网络
1.3.1 神经网络是如何训练的（1）
1.3.2 神经网络是如何训练的（2）
1.4.1 卷积神经网络（1）
1.4.2 卷积神经网络（2）
1.4.3 卷积神经网络（3）
1.4.4 卷积神经网络（4）
1.5.1 梯度消失问题（1）
1.5.2 梯度消失问题（2）
1.6 过拟合问题
1.7.1 词向量（1）
1.7.2 词向量（2）
1.7.3 词向量（3）
1.8.1 循环神经网络（1）
1.8.2 循环神经网络（2）
1.9 长短期记忆网络LSTM
1.10 深度学习框架
1.11 反向传播（BP）算法推导
2.1 可以穷举吗？
2.2 极小-极大模型
2.3 α-β剪枝算法
2.4.1 蒙特卡洛树搜索（1）
2.4.2 蒙特卡洛树搜索（2）
2.5 AlphaGo是如何下棋的
2.6.1 围棋中的深度强化学习（1）
2.6.2 围棋中的深度强化学习（2）
2.7 AlphaGo Zero是如何自学成才的
2.8 总结
3.1 路径搜索问题
3.2 宽度优先搜索算法
3.3 迪杰斯特拉算法
3.4.1 启发式搜索算法（1）
3.4.2 启发式搜索算法（2）
3.4.3 启发式搜索算法（3）
3.4.4 启发式搜索算法（4）
3.4.5 启发式搜索算法（5）
3.5 深度优先搜索算法
3.6 迭代加深式搜索算法
3.7 动态规划与Viterbi算法
3.8.1 拼音输入法问题（1）
3.8.2 拼音输入法问题（2）
4.1 什么是组合优化问题
4.2 局部搜索算法
4.3 局部搜索算法应用举例及存在问题
4.4 退火过程
4.5 模拟退火算法
4.6 模拟退火算法的参数选择
4.7 模拟退火算法应用举例
4.8 遗传算法
4.9 遗传算法应用举例
4.10.1 遗传算法的实现问题（1）
4.10.2 遗传算法的实现问题（2）
4.11 遗传算法应用举例
5.1 统计学习方法
5.2 朴素贝叶斯方法
5.3 决策树
5.4 决策树：ID3算法
5.5 决策树：C4.5算法
5.6 过拟合与剪枝
5.7 随机森林方法
5.8 K近邻方法
5.9 支持向量机
5.10 线性可分支持向量机
5.11 线性可分支持向量机求解
5.12 线性支持向量机
5.13 非线性支持向量机问题
5.14 核函数与核方法
5.15 支持向量机用于多分类问题
5.16 支持向量机求解算法SMO（一）
5.17 支持向量机求解算法SMO（二）
5.18 K均值聚类算法
5.19 层次聚类算法
5.20 DBSCAN聚类算法
5.21 验证与测试问题
5.22 特征抽取问题（一）
5.23 特征抽取问题（二）
6.1 什么是专家系统
6.2 推理方法
6.3 一个简单的专家系统
6.4 非确定性推理
6.5 黑板模型
6.6 知识的结构化表示
6.7 框架
6.8 专家系统工具与专家系统应用
0.2 人工智能发展简史
0.3 什么是人工智能？
1.1 从数字识别谈起
1.2 神经元与神经网络
1.3.1 神经网络是如何训练的（1）
1.3.2 神经网络是如何训练的（2）
1.4.1 卷积神经网络（1）
1.4.2 卷积神经网络（2）
1.4.3 卷积神经网络（3）
1.4.4 卷积神经网络（4）
1.5.1 梯度消失问题（1）
1.5.2 梯度消失问题（2）
1.6 过拟合问题
1.7.1 词向量（1）
1.7.2 词向量（2）
1.7.3 词向量（3）
1.8.1 循环神经网络（1）
1.8.2 循环神经网络（2）
1.9 长短期记忆网络LSTM
1.10 深度学习框架
1.11 反向传播（BP）算法推导
2.1 可以穷举吗？
2.2 极小-极大模型
2.3 α-β剪枝算法
2.4.1 蒙特卡洛树搜索（1）
2.4.2 蒙特卡洛树搜索（2）
2.5 AlphaGo是如何下棋的
2.6.1 围棋中的深度强化学习（1）
2.6.2 围棋中的深度强化学习（2）
2.7 AlphaGo Zero是如何自学成才的
2.8 总结
3.1 路径搜索问题
3.2 宽度优先搜索算法
3.3 迪杰斯特拉算法
3.4.1 启发式搜索算法（1）
3.4.2 启发式搜索算法（2）
3.4.3 启发式搜索算法（3）
3.4.4 启发式搜索算法（4）
3.4.5 启发式搜索算法（5）
3.5 深度优先搜索算法
3.6 迭代加深式搜索算法
3.7 动态规划与Viterbi算法
3.8.1 拼音输入法问题（1）
3.8.2 拼音输入法问题（2）
4.1 什么是组合优化问题
4.2 局部搜索算法
4.3 局部搜索算法应用举例及存在问题
4.4 退火过程
4.5 模拟退火算法
4.6 模拟退火算法的参数选择
4.7 模拟退火算法应用举例
4.8 遗传算法
4.9 遗传算法应用举例
4.10.1 遗传算法的实现问题（1）
4.10.2 遗传算法的实现问题（2）
4.11 遗传算法应用举例
5.1 统计学习方法
5.2 朴素贝叶斯方法
5.3 决策树
5.4 决策树：ID3算法
5.5 决策树：C4.5算法
5.6 过拟合与剪枝
5.7 随机森林方法
5.8 K近邻方法
5.9 支持向量机
5.10 线性可分支持向量机
5.11 线性可分支持向量机求解
5.12 线性支持向量机
5.13 非线性支持向量机问题
5.14 核函数与核方法
5.15 支持向量机用于多分类问题
5.16 支持向量机求解算法SMO（一）
5.17 支持向量机求解算法SMO（二）
5.18 K均值聚类算法
5.19 层次聚类算法
5.20 DBSCAN聚类算法
5.21 验证与测试问题
5.22 特征抽取问题（一）
5.23 特征抽取问题（二）
6.1 什么是专家系统
6.2 推理方法
6.3 一个简单的专家系统
6.4 非确定性推理
6.5 黑板模型
6.6 知识的结构化表示
6.7 框架
6.8 专家系统工具与专家系统应用
课程详情
用通俗易懂的语言讲授人工智能知识，引领学习者走进人工智能的大门。
用通俗易懂的语言讲授人工智能知识，引领学习者走进人工智能的大门。
用通俗易懂的语言讲授人工智能知识，引领学习者走进人工智能的大门。
上一篇：面向对象与UML
