人工智能：从小白到大神

这是一本很枯燥的书，需要你静下心来啃。

对于里面的很多内容我也不是完全能看懂，但是咬着牙去看一看，读一读，对于神经网络的理解会有一定的提升。

我摘抄了一些重要的片段。

谷歌deepmind团队

深度学习框架 - TensorFlow

深度学习框架 - Sonnet，基于TensorFlow基础之上建立，处理复杂架构的神经网络，可重现DeepMind论文中的研究成果。

卷积神经网络：一种特殊的多层感知器或前馈神经网络。

YOLO 卷积神经

You Only Look Once，只看一次，把目标区域预测和目标类别预测合二为一，将目标检测任务看作目标区域预测和类别预测的回归问题。好处是端到端的物品检测，速度快，缺点是目标区域定位误差大。

强化学习

解决连续性决策问题。强化学习由环境提供反馈信号来评价智能体产生动作的好坏，从而达到智能体持续进步的方法。

全书目录（共 13 章 + 2 附录）

┌──────────┬─────────────────────────┬──────────────────────────────────────────────────────────────────┐

│ 章节 │ 标题 │ 主要内容 │

├──────────┼─────────────────────────┼──────────────────────────────────────────────────────────────────┤

│ 第 1 章 │ 峰回路转的 AI 之路 │ AI 概念、三起两落、Hinton、AlphaGo、当代格局 │

│ 第 2 章 │ Python 入门 │ 基础语法、列表元组字典、条件和循环、函数模块、NumPy / Matplotlib │

│ 第 3 章 │ 人工智能数学基础 │ 线性代数、微积分、概率论与数理统计 │

│ 第 4 章 │ 搭建人工神经网络 │ 手工实现神经网络 │

│ 第 5 章 │ TensorFlow 与 PyTorch │ 两个主流框架 │

│ 第 6 章 │ 卷积神经网络 │ CNN 原理与结构 │

│ 第 7 章 │ 目标分类 │ 图像分类任务 │

│ 第 8 章 │ 目标检测 │ YOLO 等检测算法 │

│ 第 9 章 │ 图像语义分割 │ 像素级分类 │

│ 第 10 章 │ 循环神经网络 │ RNN / LSTM │

│ 第 11 章 │ 自然语言处理 │ NLP 任务 │

│ 第 12 章 │ 生成对抗网络 │ GAN 原理与应用 │

│ 第 13 章 │ 强化学习 │ 经典 RL 算法 │

│ 附录 A │ 云创人工智能工程师认证 │ 认证指南 │

│ 附录 B │ AIRack 人工智能实验平台 │ 实验平台介绍 │

└──────────┴─────────────────────────┴──────────────────────────────────────────────────────────────────┘

图文人工智能：从小白到大神