極客時間出品的《人工智慧基礎課》由王天一所作，王天一是工學博士，副教授。本專欄課程就一門通俗易懂的人工智慧入門課。
《人工智慧基礎課》課程背景
當下，人工智慧成了新時代的必修課，每個人都需要一些 AI 知識來升級自己，才能與時代同行。
人工智慧的重要性已無需贅述，但作為一個跨學科產物，它包含的內容浩如煙海，各種複雜的模型和演算法更是讓人望而生畏。對於大多數的新手來說，如何入手人工智慧其實都是一頭霧水，比如到底需要哪些數學基礎、是否要有工程經驗、對於深度學習框架應該關注什麼等等。
那學習人工智慧該從哪裡開始呢？人工智慧的學習路徑又是怎樣的？
在“人工智慧基礎課”專欄裡，王天一教授將結合自己的積累與思考，和你分享他對人工智慧的理解，用通俗易懂的語言從零開始教你掌握人工智慧的基礎知識，梳理出人工智慧學習路徑，為今後深耕人工智慧相關領域打下堅實的基礎。
《人工智慧基礎課》講師介紹
王天一畢業於北京郵電大學，獲得工學博士學位，在讀期間主要研究方向是連續變數量子通訊理論與系統，主持並參與了多項國家級 / 省部級科研專案，以第一作者身份發表了 5 篇 SCI 論文。
目前在貴州大學大資料與資訊工程學院擔任副教授，主要研究方向是大資料與人工智慧，研究內容包括以物聯網為基礎的大資料應用及神經網路與機器學習。 著有《人工智慧革命》一書。
《人工智慧基礎課》專欄模組
專欄約三個月，共 40 期，圍繞人工智慧基礎的 7 大核心主題，分 7 個模組進行講解：
- 學習人工智慧需要哪些必備的數學基礎？
- 機器學習有哪些學習方法？
- 為什麼人工神經網路如此流行？
- 關於深度學習至少要掌握哪些內容？
- 深度學習框架下的神經網路例項有哪些？
- 深度學習之外的人工智慧還有哪些重要研究？
- 最經典的人工智慧應用場景是怎樣的？
《人工智慧基礎課》課程目錄
| 數學基礎 | 線性代數：如何將研究物件形式化？ 概率論：如何描述統計規律？ 數理統計：如何以小見大？ 最優化理論：如何找到最優解？ 資訊理論：如何定量度量不確定性？ 形式邏輯：如何實現抽象推理？ |
| 機器學習 主要方法 | 機器學習概述：如何讓計算機識別特徵？ 線性迴歸：如何擬合線性模型？ 樸素貝葉斯分類：如何利用後驗概率？ 邏輯迴歸：如何利用似然函式？ 決策樹方法：如何利用資訊增益？ 支援向量機：如何在特徵空間上分類？ 整合學習：如何整合優化？ 聚類：如何實現無監督學習？ 降維學習：如何抓大放小？ |
| 人工神經網路 | 神經網路的生理學依據：如何模擬人類認知？ 神經網路的基本單元：如何構造人工神經網路？ 多層神經網路：如何解決複雜問題？ 前饋與反向傳播：如何用神經網路實現優化？ 自組織神經網路：如何用神經網路實現無監督學習？ 模糊神經網路：如何用神經網路實現邏輯功能？ |
| 深度學習 | 深度學習概述：如何讓人工神經網路物盡其用？ 深度前饋網路：如何實現最佳近似？ 深度學習中的正則化：如何抑制過擬合？ 深度模型優化：如何提升學習效率？ 自動編碼器：如何實現生成式建模？ 深度強化學習：如何實現從資料到決策？ |
| 神經網路例項 | 深度信念網路：如何充分利用隱藏單元？ 卷積神經網路：如何高效處理網格化資料？ 遞迴神經網路：如何高效處理序列資料？ 生成式對抗網路：如何讓神經網路自行優化？ 長短期記憶神經網路：如何在神經網路中引入記憶？ |
| 深度學習之外的人工智慧 | 貝葉斯網路：如何利用有向概率圖？ 馬爾可夫隨機場：如何利用無向概率圖？ 遷移學習：如何基於小資料學習？ 叢集智慧：如何讓智慧湧現？ |
| 應用場景 | 計算機視覺：如何讓人工智慧會“看”？ 語音識別：如何讓人工智慧會“聽”？ 對話系統：如何讓人工智慧會“說”？ 機器翻譯：如何讓人工智慧會“想”？ |
訂閱這個專欄，你將可以：
- 梳理人工智慧入門的知識框架，找到學習人工智慧的最佳路徑；
- 夯實人工智慧基礎，如數學、機器學習、深度學習等；
- 瞭解人工智慧的最佳應用場景；
- 全方位認識人工智慧，深刻理解人工智慧內涵。
適宜人群
希望梳理人工智慧學習脈絡的 AI 入門者；希望系統學習人工智慧基礎知識的非 AI 領域技術人員；具有 AI 工程經驗，希望進一步掌握核心理論的 AI 從業者；希望深刻理解人工智慧內涵、對人工智慧有濃厚興趣的人。
訂閱價格：
為回報猿人學的粉絲，所有通過我分享的二維碼購買的使用者，請加我微訊號：dismissmewp，備註：返現。
享受完其它優惠後，我再給大家立即返￥12元現金。
我的公眾號：猿人學 Python 上會分享更多心得體會，敬請關注。
***版權申明:若沒有特殊說明，文章皆是猿人學 yuanrenxue.com 原創，沒有猿人學授權，請勿以任何形式轉載。***