第 1章 人工智能基本概念
第2章 机器学习
第3章　KNN分类算法
第4章　Kmeans聚类算法
第5章　回归算法
第6章　决策树算法
第7章　深度学习
第8章　计算机视觉
第9章　自然语言处理
第10章 人工智能前沿技术

第 1章 人工智能基本概念 5
本章概要　5
学习目标　5
1.1　人工智能定义　6
1.2人工智能的研究内容　10
1.3人工智能的流派　12
1.4　Python编程语言基础　13
1.5常见人工智能开发框架　29
1.6本章练习　31
第2章 机器学习　35
本章概要　35
学习目标　35
2.1　机器学习的起源和发展　36
2.2　机器学习基本术语　38
2.3机器学习的分类　41
2.4数据集获取及预处理　45
2.5机器学习模型评估方法　49
2.6课后习题　53
第3章　KNN分类算法　55
本章概要　55
学习目标　55
3.1　KNN分类算法基本原理　56
3.2　KNN综合实践　62
3.3　课后习题　66
第4章　Kmeans聚类算法　68
本章概要　68
学习目标　68
4.1　K均值算法基本概念　69
4.2　K均值算法流程　70
4.3　课后习题　81
第5章　回归算法　83
本章概要　83
学习目标　83
5.1　线性回归　84
5.2　多项式回归　94
5.3　逻辑回归　100
5.4　Softmax回归　105
5.5　本章练习　107
第6章　决策树算法　109
本章概要　109
学习目标　109
6.1　决策树　110
6.2　分类与回归决策树　117
6.3　随机森林算法　126
6.4　本章练习　133
第7章　深度学习　134
本章概要　134
学习目标　134
7.1　从线性回归到神经网络　135
7.2　神经网络　137
7.3　深度学习　143
7.4　深度学习案例与代码实现　154
7.5　本章练习　159
第8章　计算机视觉　162
本章概要　162
学习目标　162
8.1　计算机视觉概述　163
8.2　计算机视觉代码实践　168
8.3　基于Yolo的计算机视觉案例　178
8.4本章练习　183
第9章　自然语言处理　184
本章概要　184
学习目标　184
9.1　自然语言处理的起源和发展　185
9.2　自然语言处理流程　188
9.3　词向量技术　194
9.4　本章练习　202
第10章 人工智能前沿技术　204
本章概要　204
学习目标　204
10.1　强化学习　205
10.2　迁移学习　208
10.3　可信人工智能　210
10.4　本章练习　216