人工智能教程
阅读：207576610 分享到
1950年在论文《机器能思考吗？》中提出了图灵测试，一种用于判定机器是否具有智能的试验方法：提问者和回答者隔开，提问者通过一些装置（如键盘）向机器随意提问。多次测试，如果有超过 30% 的提问者认为回答问题的是人而不是机器，那么这台机器就通过测试，具有了人工智能。也就是工智能 的概念：“用机器模拟人的意识和思维”。
图灵在论文中预测：在 2000 年，会出现通过图灵测试具备人工智能的机器。然而直到 2014 年 6 月，英国雷丁大学的聊天程序才成功冒充了 13 岁男孩，通过了图灵测试。这一事件比图灵的预测晚了 14 年。
在 2015 年 11 月 science 杂志封面新闻报道，机器人已经可以依据从未见过的文字中的一个字符，写出同样风格的字符，说明机器已经具备了迅速学习陌生文字的创造能力。
本教程特点
中文，免费，零起点，完整示例，基于最流行，最强大的深度学习框架 Tensorflow 结合Python3语言（Python3.7以上版本），理论和实践相结合的教程。
最详细的 Tensorflow 框架解析，深入浅出，让你从零基础成为人工智能应用领域的高手。
本教程涵盖丰富的案例教学，基于各种主流的深度学习项目，如手写识别，人脸识别，图像识别，股票预测等。
本教程目标
1：安装配置Tensorflow框架，并会使用Tensorflow提供的语法和API。
2：使用Tensorflow实现线性回归，了解深度学习的本质问题。
3：神经网络计算过程：搭建第一个神经网络模型。
4：神经网络优化方法：学习率，激活函数，损失函数，正则化，自写优化器（SGD,Momentum,Adagrad,RMSProp,Adam）。
5：神经网络搭建八股：“六步法”编写手写数字识别模型。
6：神经网络八股扩展：增加6项扩展功能：自制数据集，数据增强，断点续训，参数提取和 acc/loss 可视化，实现给图识物。
7：卷积神经网络：用基础CNN、LeNet、AlexNet、VGGNet、InceptionNet和ResNet实现图像识别。
8：循环神经网络：用基础RNN、LSTM、GRU实现股票预测。
人工智能三学派
到目前为止人工智能主要有三个学派，即行为主义、符号主义和连接主义。
行为主义：是基于控制论的，是在构建感知、动作的控制系统。单脚站立是 行为主义一个典型例子，通过感知要摔倒的方向，控制两只手的动作，保持身体 的平衡。这就构建了一个感知、动作的控制系统，是典型的行为主义。
符号主义：基于算数逻辑表达式。即在求解问题时，先把问题描述为表达式， 再求解表达式。例如在求解某个问题时，利用 if case 等条件语句和若干计算公式 描述出来，即使用了符号主义的方法，如专家系统。符号主义是能用公式描述的 人工智能，它让计算机具备了理性思维。
连接主义：仿造人脑内的神经元连接关系，使人类不仅具备理性思维，还具 备无法用公式描述的感性思维，如对某些知识产生记忆。
我们的课程是以连接主义学派为方向，开始学习人工智能的理论及应用，基于连接主义的人工智能是目前主流的研究方向，基于连接主义的人工智能也就是所谓的深度学习。
概括来说，人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的。人工智能是最宽泛的概念。机器学习是当前比较有效的一种实现人工智能的方式。深度学习是机器学习算法中最热门的一个分支，近些年取得了显著的进展，并替代了大多数传统机器学习算法。三者的关系如下图所示，即：人工智能 > 机器学习 > 深度学习。
如果以上内容对您有帮助，请老板用微信扫一下赞赏码，赞赏后加微信号 birdpython 领取免费视频。
