AI速成課：從AI編程到構(gòu)建智能軟件

譯者序
前言
作者簡介
審校者簡介
第1章　歡迎來到機器人世界1
　11　開始你的AI旅程1
　12　四種不同的AI模型2
　13　學(xué)習AI可以讓你做什么3
　14　小結(jié)5
第2章　探索你的AI工具包6
　21　GitHub源代碼頁面6
　22　Colaboratory 運行環(huán)境7
　23　小結(jié)11
第3章　Python基礎(chǔ)——學(xué)習如何用Python編程12
　31　顯示文本13
　32　變量和操作13
　33　列表和數(shù)組14
　34　if語句和條件16
　35　for循環(huán)和while循環(huán)17
　36　函數(shù)21
　37　類和對象22
　38　小結(jié)24
第4章　AI基礎(chǔ)技巧25
　41　什么是強化學(xué)習25
　42　強化學(xué)習的五大原理26
421　原理#1——輸入與輸出系統(tǒng)26
422　原理#2——獎勵27
423　原理#3——AI環(huán)境27
424　原理#4——馬爾可夫決策過程28
425　原理#5——訓(xùn)練與推斷28
　43　小結(jié)30
第5章　你的第一個AI模型——小心老虎機31
　51　多臂老虎機問題31
　52　湯普森采樣模型32
521　模型編程32
522　理解模型36
523　什么是分布37
524　應(yīng)對多臂老虎機問題39
525　湯普森采樣策略三步走41
526　湯普森采樣模型的臨門一腳42
527　湯普森采樣模型與標準模型42
　53　小結(jié)44
第6章　銷售和廣告中的AI——像“AI街之狼”一樣銷售45
　61　待解決的問題45
　62　用仿真構(gòu)建AI環(huán)境47
621　運行仿真程序48
622　回顧50
　63　AI解決方案及其直覺的回顧50
631　AI解決方案51
632　直覺51
　64　技術(shù)實現(xiàn)52
641　湯普森采樣與隨機策略選擇52
642　開始編程52
643　最終結(jié)果57
　65　小結(jié)58
第7章　歡迎來到Q學(xué)習59
　71　迷宮59
711　第一步60
712　構(gòu)建環(huán)境61
713　構(gòu)建AI模型64
　72　Q學(xué)習的完整流程66
721　訓(xùn)練模式66
722　推斷模式67
　73　小結(jié)67
第8章　物流行業(yè)中的AI——倉庫中的機器人68
　81　構(gòu)建環(huán)境69
811　狀態(tài)70
812　行為70
813　獎勵70
814　AI解決方案回顧70
　82　技術(shù)實現(xiàn)71
821　第1部分——構(gòu)建環(huán)境72
822　第2部分——用Q學(xué)習構(gòu)建AI解決方案74
823　第3部分——進入推斷模式75
824　改進1——自動化獎勵分配77
825　改進2——加入一個中間目標80
　83　小結(jié)82
第9章　人工大腦——深度Q學(xué)習83
　91　預(yù)測房價83
911　上傳數(shù)據(jù)集84
912　導(dǎo)入依賴庫85
913　排除變量86
914　準備數(shù)據(jù)87
915　構(gòu)建神經(jīng)網(wǎng)絡(luò)90
916　訓(xùn)練神經(jīng)網(wǎng)絡(luò)91
917　展示結(jié)果91
　92　深度學(xué)習理論92
921　神經(jīng)元92
922　激活函數(shù)95
923　神經(jīng)網(wǎng)絡(luò)的工作原理98
924　神經(jīng)網(wǎng)絡(luò)如何學(xué)習98
925　正向傳播算法和反向傳播算法99
926　梯度下降算法100
　93　深度Q學(xué)習106
931　歸一化指數(shù)方法107
932　深度Q學(xué)習回顧108
933　經(jīng)驗回放109
934　深度Q學(xué)習的完整算法109
　94　小結(jié)110
第10章　自動駕駛汽車中的AI——造一輛自動駕駛汽車111
　101　構(gòu)建環(huán)境111
1011　設(shè)定目標113
1012　設(shè)置參數(shù)116
1013　輸入狀態(tài)118
1014　輸出行為119
1015　獎勵120
　102　AI解決方案回顧122
　103　技術(shù)實現(xiàn)123
1031　第1步——導(dǎo)入依賴庫123
1032　第2步——創(chuàng)造神經(jīng)網(wǎng)絡(luò)的架構(gòu)124
1033　第3步——實現(xiàn)經(jīng)驗回放127
1034　第4步——實現(xiàn)深度Q學(xué)習130
　104　演示138
1041　安裝Anaconda139
1042　用Python 36創(chuàng)建一個虛擬環(huán)境140
1043　安裝PyTorch142
1044　安裝Kivy143
　105　小結(jié)151
第11章　商業(yè)中的AI——用深度Q學(xué)習使成本最小化152
　111　要解決的問題152
　112　構(gòu)建環(huán)境153
1121　服務(wù)器環(huán)境中的常量和變量153
1122　關(guān)于服務(wù)器環(huán)境的假設(shè)154
1123　仿真155
1124　整體功能156
1125　定義狀態(tài)157
1126　定義行為158
1127　定義獎勵158
1128　最后的仿真示例159
　113　AI解決方案161
1131　大腦162
1132　技術(shù)實現(xiàn)163
　114　演示191
115　回顧——通用AI框架/藍圖199
　116　小結(jié)200
第12章　深度卷積Q學(xué)習201
　121　CNN有什么用途201
　122　CNN的工作原理202
1221　第1步——卷積204
1222　第2步——最大池化206
1223　第3步——扁平化209
1224　第4步——全連接210
　123　深度卷積Q學(xué)習211
　124　小結(jié)212
第13章　游戲中的AI——成為《貪吃蛇》大師213
　131　要解決的問題213
　132　構(gòu)建環(huán)境214
1321　定義狀態(tài)214
1322　定義行為215
1323　定義獎勵216
　133　AI解決方案216
1331　大腦217
1332　經(jīng)驗回放記憶218
　134　技術(shù)實現(xiàn)219
1341　第1步——構(gòu)建環(huán)境219
1342　第2步——構(gòu)建大腦226
1343　第3步——構(gòu)建經(jīng)驗回放記憶228
1344　第4步——訓(xùn)練AI模型230
1345　第5步——測試AI模型235
　135　演示237
1351　安裝237
1352　結(jié)果242
　136　小結(jié)243
第14章　回顧與總結(jié)244
　141　回顧——整體AI框架/藍圖244
　142　探索你在AI領(lǐng)域的下一站245
1421　不斷練習246
1422　社交247
1423　學(xué)無止境247