极客时间出品的《人工智能基础课》由王天一所作，王天一是工学博士，副教授。本专栏课程就一门通俗易懂的人工智能入门课。
订阅价格：
订阅价： ¥68。已有10900 人已学习 · 已完结，本课程为图文+音频课程。可在极客时间APP/小程序/网站上永久观看。
用我的邀请购买，还会额外返现12元。购买的朋友请加我微信号 dismissmewp ，备注：返现。
《人工智能基础课》课程背景
当下，人工智能成了新时代的必修课，每个人都需要一些 AI 知识来升级自己，才能与时代同行。
人工智能的重要性已无需赘述，但作为一个跨学科产物，它包含的内容浩如烟海，各种复杂的模型和算法更是让人望而生畏。对于大多数的新手来说，如何入手人工智能其实都是一头雾水，比如到底需要哪些数学基础、是否要有工程经验、对于深度学习框架应该关注什么等等。
那学习人工智能该从哪里开始呢？人工智能的学习路径又是怎样的？
在“人工智能基础课”专栏里，王天一教授将结合自己的积累与思考，和你分享他对人工智能的理解，用通俗易懂的语言从零开始教你掌握人工智能的基础知识，梳理出人工智能学习路径，为今后深耕人工智能相关领域打下坚实的基础。
《人工智能基础课》讲师介绍
王天一毕业于北京邮电大学，获得工学博士学位，在读期间主要研究方向是连续变量量子通信理论与系统，主持并参与了多项国家级 / 省部级科研项目，以第一作者身份发表了 5 篇 SCI 论文。
目前在贵州大学大数据与信息工程学院担任副教授，主要研究方向是大数据与人工智能，研究内容包括以物联网为基础的大数据应用及神经网络与机器学习。 著有《人工智能革命》一书。
《人工智能基础课》专栏模块
专栏约三个月，共 40 期，围绕人工智能基础的 7 大核心主题，分 7 个模块进行讲解：
- 学习人工智能需要哪些必备的数学基础？
- 机器学习有哪些学习方法？
- 为什么人工神经网络如此流行？
- 关于深度学习至少要掌握哪些内容？
- 深度学习框架下的神经网络实例有哪些？
- 深度学习之外的人工智能还有哪些重要研究？
- 最经典的人工智能应用场景是怎样的？
《人工智能基础课》课程目录
| 数学基础 | 线性代数：如何将研究对象形式化？ 概率论：如何描述统计规律？ 数理统计：如何以小见大？ 最优化理论：如何找到最优解？ 信息论：如何定量度量不确定性？ 形式逻辑：如何实现抽象推理？ |
| 机器学习 主要方法 | 机器学习概述：如何让计算机识别特征？ 线性回归：如何拟合线性模型？ 朴素贝叶斯分类：如何利用后验概率？ 逻辑回归：如何利用似然函数？ 决策树方法：如何利用信息增益？ 支持向量机：如何在特征空间上分类？ 集成学习：如何整合优化？ 聚类：如何实现无监督学习？ 降维学习：如何抓大放小？ |
| 人工神经网络 | 神经网络的生理学依据：如何模拟人类认知？ 神经网络的基本单元：如何构造人工神经网络？ 多层神经网络：如何解决复杂问题？ 前馈与反向传播：如何用神经网络实现优化？ 自组织神经网络：如何用神经网络实现无监督学习？ 模糊神经网络：如何用神经网络实现逻辑功能？ |
| 深度学习 | 深度学习概述：如何让人工神经网络物尽其用？ 深度前馈网络：如何实现最佳近似？ 深度学习中的正则化：如何抑制过拟合？ 深度模型优化：如何提升学习效率？ 自动编码器：如何实现生成式建模？ 深度强化学习：如何实现从数据到决策？ |
| 神经网络实例 | 深度信念网络：如何充分利用隐藏单元？ 卷积神经网络：如何高效处理网格化数据？ 递归神经网络：如何高效处理序列数据？ 生成式对抗网络：如何让神经网络自行优化？ 长短期记忆神经网络：如何在神经网络中引入记忆？ |
| 深度学习之外的人工智能 | 贝叶斯网络：如何利用有向概率图？ 马尔可夫随机场：如何利用无向概率图？ 迁移学习：如何基于小数据学习？ 集群智能：如何让智能涌现？ |
| 应用场景 | 计算机视觉：如何让人工智能会“看”？ 语音识别：如何让人工智能会“听”？ 对话系统：如何让人工智能会“说”？ 机器翻译：如何让人工智能会“想”？ |
订阅这个专栏，你将可以：
- 梳理人工智能入门的知识框架，找到学习人工智能的最佳路径；
- 夯实人工智能基础，如数学、机器学习、深度学习等；
- 了解人工智能的最佳应用场景；
- 全方位认识人工智能，深刻理解人工智能内涵。
适宜人群
希望梳理人工智能学习脉络的 AI 入门者；希望系统学习人工智能基础知识的非 AI 领域技术人员；具有 AI 工程经验，希望进一步掌握核心理论的 AI 从业者；希望深刻理解人工智能内涵、对人工智能有浓厚兴趣的人。
我的公众号：猿人学 Python 上会分享更多心得体会，敬请关注。
***版权申明:若没有特殊说明，文章皆是猿人学 yuanrenxue.con 原创，没有猿人学授权，请勿以任何形式转载。***
说点什么吧...