1、anaconda搭建人工智慧與深度學習平台
2、python基礎
python基礎①：基礎語法元素
python基礎②：基本資料型別
python基礎③：組合資料型別
python基礎④：程式控制結構
python基礎⑤：函式
python基礎⑥：類和物件
python基礎⑦：檔案讀寫、模組、包和庫
python基礎⑧：異常處理
python基礎⑨：標準庫
python基礎⑩：numpy庫
3、pytorch基礎
4、數學基礎
說在前面！一定要看啊，節省時間！
1、監督演算法
線性模型
邏輯回歸
決策樹支援向量機
貝葉斯分類
k近鄰整合學習——隨機森林
整合學習——adaboost
整合學習——gdbt
深度學習與神經網路
2、半監督演算法
概率圖模型
半監督支援向量機
3、無監督演算法
k-means聚類
降維與pca主成分分析
無監督的神經網路gan
4、強化學習
蒙特卡羅樹
q-learning
cs231n課程——影象領域
cs224n課程——自然語言領域
自動編曲
人臉檢測識別
生成文字
人工智慧與機器學習
現如今，人工智慧與機器學習受到了各行各業的廣泛關注，大眾對其態度不一。但是人工智慧與機器學習對不同的人來說其代表的東西並不相同。通常人工智慧與機器學習會引起人們的恐懼與不確定性，因此一些專家對這兩個術語相關的風險表示擔憂。事實上，人工智慧與機器學習已經成為了我們日常生活中不可分割的一部分，即使在有些...
人工智慧與機器學習 Review
首先，機器學習是人工智慧的乙個分支，是人工智慧發展到一定階段的必然產物。人工智慧回顧 推理期 二十世紀五十年代到七十年代 認為只要賦予機器邏輯推理能力，機器就具有了智慧型。知識期 盛行於二十世紀七十年代中期 認為使機器具有智慧型，必須具備知識。機器學習期 當今時代 讓機器自己學習知識，以獲得智慧型。...
人工智慧與機器學習有哪些不同
人工智慧早已不是乙個新名詞，它的發展歷史已經有幾十年。從80年代早期開始，當時計算機科學家設計出可以學習和模仿人類行為的演算法。在學習方面，最重要的演算法是神經網路，但由於模型過於強大，沒有足夠的資料支援，導致不是很成功。然而，在一些更具體的任務中，使用資料來適應函式的想法獲得了巨大的成功，這也構成...