|
|
|
1. 操作性：可透過操作實現理論的結果。
2. 解釋性：可透過實驗對人工智慧理論有進一步的了解與認識。
3. 趣味性：實驗均具有實際應用背景，可提高讀者對應用的興趣。
4. 書中採用Python 程式設計語言，以及開源工具（ TensorFlow、PyTorch等）、演算法（決策樹、關聯學習等），用於講解專家系統工具Prolog、搜索空間等相關知識，更提供實驗所需的大量資料庫。
5. 書中實驗可在人工智慧教學實驗平台— Feeling AI Lab-Intro（私有雲、公有雲）上運行。
第1章 實驗平台
1-1 雲端的基本概念
1-2 私有雲平台
1-3 公有雲平台
第2章 Python程式設計及機器學習軟體套件
2-1 Python 簡介
2-2 NumPy 簡介
2-3 Pandas 簡介
2-4 Matplotlib 簡介
2-5 Scikit–learn 簡介
第3章 常見的人工智慧工具
3-1 TensorFlow 簡介
3-2 PyTorch 簡介
3-3 Keras 簡介
3-4 Caffe2 簡介
3-5 Prolog 簡介
3-6 搜尋策略工具簡介
第4章 實驗資料
第5章 實驗
實驗1 知識獲取之搜尋策略
實驗2 知識獲取之推理方法
實驗3 人工神經網路
實驗4 決策樹
實驗5 關聯學習
實驗6 聚類學習
實驗7 強化學習
實驗8 深度學習
實驗9 知識圖譜
實驗10 電腦視覺
實驗11 自然語言處理
附錄
附錄A 課後習題答案
附錄B 實驗平台安裝指南
參考文獻
