人工智能学习大纲

前言

人工智能正以惊人的速度发展，其潜力既令人兴奋，也引人深思。它既可能为解决全球性问题带来希望，也可能带来前所未有的挑战。人工智能时代的到来已是不可逆转的趋势，科幻电影中的某些场景或许将成为现实。

我对人工智能的研究越深入，就越能感受到它的强大力量。我所担忧的不仅仅是它对就业市场的冲击，更是它可能对人类社会结构带来的深远影响。未来，对人工智能的理解可能像今天对电脑操作的掌握一样重要。掌握人工智能技术的人，无疑将拥有巨大的优势。

人工智能的神秘性和潜力吸引着无数人，甚至超越了传统黑客技术的魅力。然而，学习人工智能的门槛也让许多人望而却步。传统的教材往往需要深厚的编程、高等数学和统计学基础。如何降低学习门槛，让更多人能够参与到人工智能的浪潮中，是一个值得思考的问题。

前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家:人工智能学习网站

---

1 人工智能基础

1.1 科普

1.1.1 什么是神经网络

1.2 基础知识

1.2.1 如何将数据输入到神经网络中

1.2.2 神经网络是如何进行预测的

1.2.3 预测得准确吗

1.2.4 网络是如何进行学习的

1.2.5 计算图

1.2.6 如何计算逻辑回归的偏导数

1.2.7 向量化

1.2.8 如何开始使用python

1.2.9 如何向量化人工智能算法

1.2.10 一些基础概念

1.2.11 特征工程

1.2.12 哪些特征是有价值的

1.2.13 数据清理

1.2.14 逻辑回归与分类阈值

1.2.15 静态训练与动态训练

【实战编程】教你编写第一个人工智能程序

1.3 神经网络

1.3.1 浅层神经网络

1.3.2 如何计算浅层神经网络的前向传播

1.3.3 如何计算浅层神经网络的反向传播

1.3.4 为什么需要激活函数

1.3.5 常见的激活函数

1.3.6 激活函数的偏导数

1.3.7 随机初始化参数

1.3.8 非线性与激活函数

【实战编程】教你编写浅层神经网络

1.3.9 为什么需要深度神经网络

1.3.10 如何计算深度神经网络

1.3.11 核对矩阵的维度

1.3.12 参数和超参数