2.機器學習。機器學習的功能是從數據中獲取學習算法,然後解決實際應用問題,這是人工智能的核心內容之壹。本模塊涵蓋了機器學習的主要方法,包括線性回歸、決策樹、支持向量機、聚類等。
3.人工神經網絡。神經網絡作為機器學習的壹個分支,將認知科學引入到機器學習中,模擬生物神經系統對現實世界的交互反應,取得了良好的效果。本模塊涵蓋了神經網絡的基本概念,包括多層神經網絡、前向和反向傳播、自組織神經網絡等。
4.深度學習。簡而言之,深度學習是壹個有多個中間層的神經網絡。數據爆炸,計算能力飆升,推動了深度學習的興起。本模塊涵蓋深度學習的概念和實現,包括深度前饋網絡、深度學習中的正則化、自編碼器等。
5.神經網絡的壹個例子。在深度學習的框架下,壹些神經網絡已經用於各種應用場景,並取得了良好的效果。本模塊涵蓋了神經網絡的幾個例子,包括深度信念網絡、卷積神經網絡和循環神經網絡。
6.超越深度學習的人工智能。深度學習既有優勢也有局限性,其他方向的人工智能研究是有益的補充。該模塊涵蓋了與深度學習無關的典型學習方法,包括概率圖模型、聚類智能、遷移學習、知識圖譜等。
7.應用場景。除了代替人類進行重復性勞動,人工智能在處理很多實際問題上也提供了壹種有意義的嘗試。本模塊涵蓋了人工智能技術在幾個實際任務中的應用,包括計算機視覺、語音處理、對話系統等。