一本書，帶你零基礎入門人工智慧

人工智慧雖然複雜，但並不神秘。

它建立在基礎數學上，通過簡單模型的組合實現複雜功能。

從事年薪百萬的高端 AI研究固然需要非凡的頭腦，但理解人工智慧的基本原理、邁入 AI行業卻是普通技術人可以實現的職業規劃。

InfoQ推出的第三本極客精品書：《裂變：秒懂人工智慧的基礎課》，就是希望為人工智慧的入門者提供對這一學科的初步認識和基礎知識，從而為深入的鑽研做好準備。

出於可讀性和理解力的考慮，本書儘可能地減少複雜數學公式的使用，力圖以通俗的語言解釋清楚公式背後的道理，在數學細節之外先建立起原理與概念的框架，以了解整個人工智慧基礎領域全貌。

本書作者為王天一教授，去年 12月他在極客時間開設了《人工智慧基礎課》專欄，至今付費訂閱用戶已超過 5000人，在文末，可以看到讀者的評價。

內容簡介

《裂變：秒懂人工智慧的基礎課》特點：

零基礎入門人工智慧

貫穿數學基礎、機器學習、人工神經網路、深度學習、神經網路實例、深度學習之外的人工智慧和應用場景。

結合人工智慧發展的歷史與趨勢，本書圍繞機器學習與神經網路等核心概念展開，並結合當下火熱的深度學習技術，勾勒出人工智慧發展的基本輪廓與主要路徑，包含以下七大模塊：

數學基礎。數學基礎知識蘊含著處理智能問題的基本思想與方法，也是理解複雜演算法的必備要素。這一模塊覆蓋了人工智慧必備的數學基礎知識，包括線性代數、概率論、最優化方法等。

機器學習。機器學習的作用是從數據中習得學習演算法，進而解決實際的應用問題，是人工智慧的核心內容之一。這一模塊覆蓋了機器學習中的主要方法，包括線性回歸、決策樹、支持向量機、聚類等。

人工神經網路。作為機器學習的一個分支，神經網路將認知科學引入機器學習中，以模擬生物神經系統對真實世界的交互反應，並取得了良好的效果。這一模塊覆蓋了神經網路中的基本概念，包括多層神經網路、前饋與反向傳播、自組織神經網路等。

深度學習。簡而言之，深度學習就是包含多個中間層的神經網路，數據爆炸和計算力飆升推動了深度學習的崛起。這一模塊覆蓋了深度學習的概念與實現，包括深度前饋網路、深度學習中的正則化、自編碼器等。

神經網路實例。在深度學習框架下，一些神經網路已經被用於各種應用場景，並取得了不俗的效果。這一模塊覆蓋了幾種神經網路實例，包括深度信念網路、卷積神經網路、循環神經網路等。

深度學習之外的人工智慧。深度學習既有優點也有局限，其他方向的人工智慧研究正是有益的補充。這一模塊覆蓋了與深度學習無關的典型學習方法，包括概率圖模型、集群智能、遷移學習、知識圖譜等。

應用場景。除了代替人類執行重複性的勞動，在諸多實際問題的處理中，人工智慧也提供了有意義的嘗試。這一模塊覆蓋了人工智慧技術在幾類實際任務中的應用，包括計算機視覺、語音處理、對話系統等。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！