●基礎篇
1 走近人工智能
1.1 什麼是人工智能
1.1.1 改變世界的人工智能
1.1.2 了解什麼是人工智能
1.2 人工智能簡史
1.3 人工智能對人類的影響
1.3.1 人工智能的層級
1.3.2 奇點
1.4 當前人工智能的局限
1.5 人工智能的未來
本章小結
2 計算機與人工智能
2.1 數理邏輯的基礎——布爾代數
2.2 “用機器計算”的基礎——可計算理論
2.2.1 一般遞歸函數與λ可定義函數
2.2.2 圖靈機
2.3 人工智能之父——圖靈
2.3.1 現代計算機的前身——圖靈機
2.3.2 檢驗人工智能的方法——圖靈測試
2.3.3 人工智能的展望
2.4 計算機
2.4.1 電子計算機的誕生
2.4.2 計算機程序
2.5 早期人工智能
2.5.1 專家繫統
2.5.2 樹與森林
2.6 動物識別的專家繫統
2.6.1 制訂規則庫
2.6.2 正向推理過程程序實現
2.7 二進制與位運算
2.7.1 二進制、十進制和十六進制
2.7.2 計算機位運算
2.7.3 計算機實現簡單的四則運算
本章小結
3 計算機與環境感知
3.1 聲音是一種一維信號
3.1.1 聲音的性質
3.1.2 人如何發出聲音和聽到聲音
3.1.3 計算機如何聽到聲音
3.1.4 計算機如何發出聲音
3.2 圖像是一種二維信號
3.2.1 圖像技術的發展歷史
3.2.2 人眼如何看見圖像
3.2.3 單反相機是如何產生數字圖像的
3.2.4 圖像獲取繫統
3.2.5 計算機看到的圖像
3.3 一線激光雷達簡介
3.3.1 一線激光雷達的繫統組成
3.3.2 一線激光雷達的測距原理
本章小結
4 簡單幾何形狀的識別
4.1 角點檢測
4.2 模板匹配
4.3 基礎形狀的識別
4.4 箭頭識別
4.5 直線檢測
4.6 圓的檢測
4.7 拓展應用
4.7.1 車道線檢測
4.7.2 其他應用
本章小結
拓展閱讀
5 人工智能搜索算法
5.1 廣度優先搜索
5.2 深度優先搜索
5.3 A*搜索
5.4 基於搜索算法的迷宮案例分析
本章小結
6 智能感知與交互——智能微縮車
6.1 微縮車的任務目標
6.2 微縮車的整體結構
6.3 微縮車各部分的結構和原理
6.3.1 微縮車的控制器——樹莓派和單片機
6.3.2 微縮車的執行機構——電機和舵機
6.3.3 微縮車的運動機構——底盤
6.3.4 微縮車的傳感器——攝像頭、編碼器、避障傳感器
6.3.5 微縮車的能源——電源
6.4 實驗階段
6.4.1 預備實驗：熟悉微縮車計算機的操作
6.4.2 實驗用Python代碼框架示例
6.4.3 實驗1：讓微縮車動起來
6.4.4 實驗2：讓微縮車能夠識別圖形
6.4.5 實驗3：帶微縮車遙個彎兒
6.4.6 實驗4：微縮車的自動巡線運動
本章小結
進階篇
7 大數據開啟了人工智能新時代
7.1 人工智能的發展歷史回顧
7.2 當代人工智能的基石：大數據
7.3 大數據時代下的人工智能
7.3.1 大數據、大智能
7.3.2 大數據與深度學習
7.4 大數據下深度學習成功的啟示
7.5 大數據人工智能的倫理
7.5.1 安全與隱私
7.5.2 失業問題
7.5.3 歧視
7.5.4 道德機器
7.5.5 人機關繫
本章小結
8 知識與推理
8.1 知識表示
8.1.1 知識
8.1.2 知識表示方法
8.1.3 知識表示過程
8.2 知識推理
8.2.1 知識推理的方法
8.2.2 演繹推理
8.2.3 歸納推理
8.2.4 確定性推理與不確定性推理
8.2.5 知識推理的控制策略
8.3 產生式繫統的推理
8.3.1 產生式繫統的組成
8.3.2 產生式繫統的正向推理
8.3.3 產生式繫統的逆向推理
8.4 知識圖譜
8.4.1 語義網絡
8.4.2 知識庫
8.4.3 知識圖譜的表示
8.4.4 知識圖譜的結構
8.4.5 知識圖譜的意義
8.4.6 知識圖譜與事理圖譜
8.4.7 知識圖譜與大數據
本章小結
9 回歸與分類
9.1 線性回歸
9.2 最小二乘法
9.3 支持向量機
9.4 決策樹
9.5 集成學習
9.6 隨機森林
本章小結
10 深度學習網絡
10.1 從特征工程到深度神經網絡
10.2模型
10.3 深度神經網絡的結構及訓練
10.3.1 卷積層
10.3.2 非線性激活層
10.3.3 池化層
10.3.4 全連接層
10.3.5 深度神經網絡的訓練
10.3.6 深度神經網絡與人類視覺繫統
10.4 深度學習與傳統機器學習的優勢
10.4.1 深度學習的優勢
10.4.2 傳統機器學習（傳統ML算法）的優勢
10.5 深度學習的應用
10.5.1 圖像分類
10.5.2 目標檢測
10.5.3 圖像分割
10.5.4 圖像標注（看圖說話）
10.5.5 圖像生成（文字轉圖像）
10.5.6 生成對抗網絡
本章小結
11 感知信息處理
11.1 語音識別
11.1.1 語音識別技術的發展歷程
11.1.2 語音信息的基本特征
11.1.3 語音識別繫統框架
11.1.4 語音識別基本原理
11.2 圖像識別
11.2.1 了解圖像識別技術
11.2.2 圖像采集
11.2.3 圖像特征提取
11.2.4 標志牌分類和識別
11.2.5 基於HoG特征的SVM進行人檢測
11.2.6 評價標志牌識別性能
本章小結
12 人工智能進階實驗
12.1 實驗1——標志牌識別
12.2 實驗2——微縮車倒車入庫
本章小結
拓展閱讀
參考文獻
