![]()
![]()
高焕堂 人工智能
1.AI概论：（Part-A）与AI智慧交流
简介：AI学习：电脑+AI（让电脑拥有学习能力）基础框架搭建；如何建立人机界面---基于Excel+Python；观察事物，提取特征；如何把特征传递给AI---迈入机器学习；传递你观察到的新特征；观察特征的更多（新的组合）；观察更多食物和特征；创作你自己的AI模型。
2.AI概论：（Part-B）AI头脑+机器人行为
简介：在前面各任务里，已经引导AI自我学习，能够基于人们所给予的特征值而进行分类了。其中，是由人们去观察而萃取特征的，然后才递交给AI去分类，这通称为：人工提取特征。在本任务(No.9)里，将向前迈进一大步：人们做示范，传授更多智慧，让AI自己来学习萃取特征、并且进行分类。这通称为：AI自动提取特征。
3.AI概论：（Part-C）AI(机器)是如何学习呢?
简介：前面说明了，许多人认为，在AI领域里的天字第1号术语是：特征(Feature)。 在本任务里，就来认识天字第2号术语：权重(Weight)了。由于自从头开始，就很熟悉<连连看>了，所以就从连连看出发，循序渐进来说明权重的相关概念和技术。
4.【AI学习】第 1 篇--活用创新模板学 AI简介：
AI 模板(Template)就像点菜单，让您自己可以思考自己的应用问题，在 Excel 上修改模板，把训练资料填进去。这些模版背后的 Python 程序代码也都是开源共享的，鼓励会写程序者积极创造新模版，也支持不熟悉编程者，善用模版来创造形形色色的 AI 模型。
5.【AI学习】第2篇--AI 的基础知识
简介：人工智能(Artificial intelligence，簡稱AI)，是指讓電腦能夠表現出與人類相類似的智慧行為，包括學習、記憶及預測(推論)的思考能力，以及模擬人類感官識別和動作行為等。
6.【AI学习】第3篇--人工神经网络
简介：本篇主要介绍：人工神经网络的起源、简单神经网络模型、更多神经网络模型、机器学习的步骤：训练与预测、训练的两阶段：正向推演与反向传播、以TensoRFlow + Excel表达训练流程以及AI普及化教育之路。
7.【AI学习】第4篇--Python编辑入门
简介：Python是一种流行的计算机程序语言，在当今的AI科技潮流下，它显得更抢眼，因为在AI科学领域的许多链接库、以及相关的框架(Framework)或平台(Platform)都是Python作为主要语言而开发出来的。Python的设计特色是优雅、简单和扩充性，可以和其它计算机语言的程序(如C/C++、Java等)互相整合和封装，形成力与美的绝佳组合。
8.【AI学习】第五篇--从Python到AI编程
简介：由于Python具有強大的延展性，可以很容易的与別人分享自己所写的程序代码，因此也很容易汇入各式各样別人的程序代码。许多可以分享的案例，包括Python本身所提供的标准案例，通称为模组(Module)或程序库(Library)。
9.【AI 学习】第六篇--讲解BP（反向传播）流程
简介：
本篇是比较难的一篇，主要是讲反向传播整个流程。反向传播(Back-Propagation)算法是当今主流AI计算流程的核心。其中涵盖了对损失函数的偏微分推倒细节，以及梯度下降的向量推算细节。这是微积分和线性代数的知识范畴，已经超出许多人的知识范围了。
更多回帖
