AI速成課：從AI編程到構建智能軟件

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　學習AI可以讓你做什么3
　14　小結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11
第3章　Python基礎——學習如何用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24
第4章　AI基礎技巧25
　41　什么是強化學習25
　42　強化學習的五大原理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——訓練與推斷28
　43　小結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　最終結果57
　65　小結58
第7章　歡迎來到Q學習59
　71　迷宮59
711　第一步60
712　構建環(huán)境61
713　構建AI模型64
　72　Q學習的完整流程66
721　訓練模式66
722　推斷模式67
　73　小結67
第8章　物流行業(yè)中的AI——倉庫中的機器人68
　81　構建環(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　技術實現(xiàn)71
821　第1部分——構建環(huán)境72
822　第2部分——用Q學習構建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82
第9章　人工大腦——深度Q學習83
　91　預測房價83
911　上傳數(shù)據(jù)集84
912　導入依賴庫85
913　排除變量86
914　準備數(shù)據(jù)87
915　構建神經(jīng)網(wǎng)絡90
916　訓練神經(jīng)網(wǎng)絡91
917　展示結果91
　92　深度學習理論92
921　神經(jīng)元92
922　激活函數(shù)95
923　神經(jīng)網(wǎng)絡的工作原理98
924　神經(jīng)網(wǎng)絡如何學習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學習106
931　歸一化指數(shù)方法107
932　深度Q學習回顧108
933　經(jīng)驗回放109
934　深度Q學習的完整算法109
　94　小結110
第10章　自動駕駛汽車中的AI——造一輛自動駕駛汽車111
　101　構建環(huán)境111
1011　設定目標113
1012　設置參數(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　技術實現(xiàn)123
1031　第1步——導入依賴庫123
1032　第2步——創(chuàng)造神經(jīng)網(wǎng)絡的架構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151
第11章　商業(yè)中的AI——用深度Q學習使成本最小化152
　111　要解決的問題152
　112　構建環(huán)境153
1121　服務器環(huán)境中的常量和變量153
1122　關于服務器環(huán)境的假設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　技術實現(xiàn)163
　114　演示191
115　回顧——通用AI框架/藍圖199
　116　小結200
第12章　深度卷積Q學習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學習211
　124　小結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　技術實現(xiàn)219
1341　第1步——構建環(huán)境219
1342　第2步——構建大腦226
1343　第3步——構建經(jīng)驗回放記憶228
1344　第4步——訓練AI模型230
1345　第5步——測試AI模型235
　135　演示237
1351　安裝237
1352　結果242
　136　小結243
第14章　回顧與總結244
　141　回顧——整體AI框架/藍圖244
　142　探索你在AI領域的下一站245
1421　不斷練習246
1422　社交247
1423　學無止境247