怎樣開始逐步學習人工智能呢？網(wǎng)上查閱了蠻多的資料，做了一個簡單的總結。

數(shù)學需要準備哪些內(nèi)容：

線性代數(shù) - 如何將研究對象結構化

概率論 - 如何描述統(tǒng)計規(guī)律

梳理統(tǒng)計 - 如何以小見大

最優(yōu)化方法 - 如何找到最優(yōu)解

信息論 - 如何定量的度量不確定性

形式邏輯 - 如何實現(xiàn)抽象推理

機器學習目的就是如何讓計算機識別特征

線性回歸 - 如何擬合線性模型

樸素貝葉斯分類 - 如何利用后驗概率

邏輯回歸 - 如何利用似然函數(shù)

決策樹方法 - 如何利用信息增益

支持向量機 - 如何在特征空間上分類

集成學習 - 如何整合優(yōu)化

聚類分析 - 如何實現(xiàn)無監(jiān)督學習

降維學習 - 如何抓大放小

人工神經(jīng)網(wǎng)絡就是要如何模擬人類認知

基本單元 - 神經(jīng)元和感知器，如何構建神經(jīng)網(wǎng)絡

多層感知器 - 如何解決復雜問題

前饋和反向傳播 - 徑向基函數(shù)神經(jīng)網(wǎng)絡，如何實現(xiàn)神經(jīng)網(wǎng)絡優(yōu)化

自組織特征映射 - 如何使神經(jīng)網(wǎng)絡實現(xiàn)無監(jiān)督學習

模糊神經(jīng)網(wǎng)絡 - 如何使神經(jīng)網(wǎng)絡實現(xiàn)邏輯功能

深度學習就是如何讓神經(jīng)網(wǎng)絡物盡其用

深度前饋網(wǎng)絡 - 如何實現(xiàn)最佳近似

深度學習中的正則化 - 如何抑制過擬合

深度學習優(yōu)化 - 如何提高學習效率

自編碼器 - 如何實現(xiàn)生成式建模

深度強化學習 - 如何實現(xiàn)從數(shù)據(jù)到?jīng)Q策

深度網(wǎng)絡實例

深度信念網(wǎng)絡 - 如何充分利用隱蔽單元

卷積神經(jīng)網(wǎng)絡 - 如何高效處理網(wǎng)絡化數(shù)據(jù)

遞歸神經(jīng)網(wǎng)絡 - 如何高效處理序列數(shù)據(jù)

生成式對抗網(wǎng)絡 - 如何讓神經(jīng)網(wǎng)絡自行優(yōu)化

長短期記憶神經(jīng)網(wǎng)絡 - 如何在神經(jīng)網(wǎng)絡中引入記憶

深度學習外的人工智能

貝葉斯網(wǎng)絡 - 如何利用有向概率圖

集群智能 - 如何讓智能涌現(xiàn)

遷移學習 - 如何基于小數(shù)據(jù)學習

知識圖譜

應用場景

計算機視覺

語音識別

對話系統(tǒng)

機器翻譯