人工智能基础课
王天一
工学博士,副教授
立即订阅
12221 人已学习
课程目录
已完结 58 讲
0/4登录后,你可以任选4讲全文学习。
开篇词 (1讲)
开篇词 | 人工智能:新时代的必修课
免费
数学基础 (7讲)
01 数学基础 | 九层之台,起于累土:线性代数
02 数学基础 | 月有阴晴圆缺,此事古难全:概率论
03 数学基础 | 窥一斑而知全豹:数理统计
04 数学基础 | 不畏浮云遮望眼:最优化方法
05 数学基础 | 万物皆数,信息亦然:信息论
06 数学基础 | 明日黄花迹难寻:形式逻辑
(课外辅导)数学基础 | 拓展阅读参考书
机器学习 (10讲)
07 机器学习 | 数山有路,学海无涯:机器学习概论
08 机器学习 | 简约而不简单:线性回归
09 机器学习 | 大道至简:朴素贝叶斯方法
10 机器学习 | 衍化至繁:逻辑回归
11 机器学习 | 步步为营,有章可循:决策树
12 机器学习 | 穷则变,变则通:支持向量机
13 机器学习 | 三个臭皮匠,赛过诸葛亮:集成学习
14 机器学习 | 物以类聚,人以群分:聚类分析
15 机器学习 | 好钢用在刀刃上:降维学习
(课外辅导)机器学习 | 拓展阅读参考书
人工神经网络 (7讲)
16 人工神经网络 | 道法自然,久藏玄冥:神经网络的生理学背景
17 人工神经网络 | 一个青年才俊的意外死亡:神经元与感知器
18 人工神经网络 | 左手信号,右手误差:多层感知器
19 人工神经网络 | 各人自扫门前雪:径向基函数神经网络
20 人工神经网络 | 看不见的手:自组织特征映射
21 人工神经网络 | 水无至清,人莫至察:模糊神经网络
(课外辅导)人工神经网络 | 拓展阅读参考书
深度学习 (7讲)
22 深度学习 | 空山鸣响,静水流深:深度学习概述
23 深度学习 | 前方有路,未来可期:深度前馈网络
24 深度学习 | 小树不修不直溜:深度学习中的正则化
25 深度学习 | 玉不琢不成器:深度学习中的优化
26 深度学习 | 空竹里的秘密:自编码器
27 深度学习 | 困知勉行者勇:深度强化学习
(课外辅导)深度学习 | 拓展阅读参考书
深度学习框架下的神经网络 (5讲)
28 深度学习框架下的神经网络 | 枯木逢春:深度信念网络
29 深度学习框架下的神经网络 | 见微知著:卷积神经网络
30 深度学习框架下的神经网络 | 昨日重现:循环神经网络
31 深度学习框架下的神经网络 | 左右互搏:生成式对抗网络
32 深度学习框架下的神经网络 | 三重门:长短期记忆网络
深度学习之外的人工智能 (4讲)
33 深度学习之外的人工智能 | 一图胜千言:概率图模型
34 深度学习之外的人工智能 | 乌合之众的逆袭:集群智能
35 深度学习之外的人工智能 | 授人以鱼不如授人以渔:迁移学习
36 深度学习之外的人工智能 | 滴水藏海:知识图谱
应用场景 (4讲)
37 应用场景 | 你是我的眼:计算机视觉
38 应用场景 | 嘿, Siri:语音处理
39 应用场景 | 心有灵犀一点通:对话系统
40 应用场景 | 数字巴别塔:机器翻译
加餐 (5讲)
课外谈 | “人工智能基础课”之二三闲话
推荐阅读 | 我与人工智能的故事
直播回顾 | 机器学习必备的数学基础
第2季回归 | 这次我们来聊聊机器学习
新书 | 《裂变:秒懂人工智能的基础课》
复习课 (7讲)
一键到达 | 数学基础复习课
一键到达 | 机器学习复习课
一键到达 | 人工神经网络复习课
一键到达 | 深度学习复习课
一键到达 | 深度学习框架下的神经网络复习课
一键到达 | 深度学习之外的人工智能复习课
一键到达 | 应用场景复习课
结束语 (1讲)
结课 | 溯洄从之,道阻且长
人工智能基础课
登录|注册

结课 | 溯洄从之,道阻且长

王天一 2018-03-13
三个月的时间弹指即逝,40 期的《人工智能基础课》已走到尾声。在专栏里,我和你一起走马观花地浏览了人工智能的技术概观,以建立人工智能初步的知识体系
算起来,经历了三起三落之后,人工智能已步入花甲之年。虽然在创造者眼中仍然是个孩子,但对你我这些后学之辈来说,这位老人身上还是有无穷的奥秘有待探索。在我看来,《人工智能基础课》应该是一份简历、一份提纲,勾勒出这个领域的基本框架。当然,简历无法浓缩一个人丰富的经历,40 篇文章的体量也不足以覆盖人工智能的全部内容。想要基于这份提纲深入研究,还需要大量的时间和精力的付出。
在互动中,不少朋友都表达了从事人工智能工作的意愿。实话实说,把这门技艺当成茶余饭后的谈资和养活自己的饭碗是截然不同的两码事情,所以需要深思熟虑之后再做选择。
如果你还没有走出校园,那就应该踏踏实实学好相关的基础课程和专业课程,仰望星空不如脚踏实地,一味好高骛远只会把理想变成毫无根基的空中楼阁。
如果你已经走入了工作岗位,那一定会知道不能盲目追逐热点的道理。所以在决定转行之前,务必要想清楚想做什么和能做什么,别让自己成为热点的牺牲品。
相比于转行,我认为更好的做法是将人工智能融入到现有的工作之中。人工智能的价值在于落地,它的优势则是几乎在所有领域都有用武之地
与其星辰大海,不如近水楼台,将自身专门的领域知识和人工智能的方法结合,以处理和解决实际问题,并在实践中不断学习和进化,才是搭上人工智能这列快车的正确方法。
取消
完成
0/1000字
划线
笔记
复制
© 版权归极客邦科技所有,未经许可不得传播售卖。 页面已增加防盗追踪,如有侵权极客邦将依法追究其法律责任。
该试读文章来自付费专栏《人工智能基础课》,如需阅读全部文章,
请订阅文章所属专栏。
立即订阅
登录 后留言

精选留言(3)

  • 日耳曼战车
    非常有用的专栏,对于初学者很有作用。由浅入深,到后期的机器学习部分,对于没有实际人工智能经验的我来说很吃力,计划花时间再重新整理一次
    2018-03-13
    2
  • 林彦
    有一些领域的人工智能应用的基础服务有待完善,心急吃不了热豆腐。比如如何更有效地标注,数据的自动接入,数据特征和模型的可解释性,解决业务的什么问题,针对什么客户,有可验证的方法(既是别人做出来的,也要自己结合企业的自身情况验证并优化)。

    如果在某个特定行业领域的理论加应用都是创新,没有足够的积累,就需要更多耐心和资源能支持下去。

    人工智能应用怎么协助使用者获得持续的商业成功还有不短的路要走。
    2018-03-13
    1
  • 一只豆
    能把自身工作/领域知识搞通透已经是一大门槛,能深入了解人工智能是另一大门槛。“结合“是更大门槛。几个人格挑战(是的,这是人格挑战绝非技能挑战)下来,不稀缺才怪
    2018-03-13
收起评论
3
返回
顶部