人工智能概览及机器学习路线

Normalization 首先来看批量归一化(Batch Normalization)1,来源是2015年的一篇论文,这个方法现在被大量引用,可以提高神经网络训练速度,泛化能力等。 神经网络对数据集

python基础性学习,numpy生成阵列,阵列变形,转换,生成新的矩阵,运用numpy中的,arrang,reshape,生成阵列形状为[2,3,4]的阵列,并将一维和二位调换,零维和二维调换

老师整理的人工智能课件,比起书本的内容,看起来更加容易明白,是ppt文档

python从基础到精通的学习视频，里面包含从python入门基础到算法，人工智能的学习资料，学完集合可以满足企业需求

人工智能&深度学习： 人工智能及简史 人工智能经历了三个阶段： 推理期（50~70年代）其出发点是，数学家真聪明。让计算机具有逻辑推理能力：为什么仅有逻辑推理能力不能实现人工智能？困难在哪里？

总结ppt，里面有两种机器学习或深度学习入门需掌握的算法（包括），有比较详细的个人学习理解（看吴恩达视频学习的）和算法描述。还有几篇关于显著性的论文的部分内容，及其评价措施。

人工智能是主要研究如何利用计算机模拟人类智力活动的一门学科,是计算机科学的一个分支。其主要任务是建立智能信息处理理论,从质的方面扩充计算机的能力,是一门综合性强、实践性强、创新性强和应用领域广的科学

人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使

人工智能Prolog学习指导，包含不少的例子分析程序和基本语言的使用

深度学习的入门资料，帮助新人更好的了解深度学习的知识。