人工智能

（一）定义与起源

（二）发展简史

（一）机器学习

（二）深度学习

（三）自然语言处理

（四）计算机视觉

（一）数据处理与分析

（二）算法与模型评估

（三）开发框架与工具

（一）自动驾驶

（二）医疗健康

（三）金融领域

（四）教育领域

（一）伦理道德

（二）社会影响

（一）技术趋势

（二）应用拓展

（三）挑战与机遇

（一）Hadoop on Premises

（二）Hadoop in the Cloud

（三）Streaming / In-Memory

（四）NoSQL Databases

（五）SQL Databases

（六）Graph Databases

（七）MPP Databases

（八）Cloud Data Warehouses

（九）Search

（十）GPU & Cloud

（十一）Hardware

（一）Data Analyst Platforms

（二）Data Science Platforms

（三）BI Platforms

（四）Visualization

（五）Machine Learning

（六）Human Capital

（七）Legal

（八）Finance

（九）RegTech & Compliance

（十）Security

（一）Marketing - B2B

（一）感知机（Perceptron）

（二）Hopfield Network

（一）神经概率语言模型（Neural Probabilistic Language Model）

（二）LSTM（Long Short-Term Memory）

（一）RNN基础语言模型（RNN based language model）

（二）word2Vec

（一）GloVe（Global Vectors for Word Representation）

（二）Deepwalk

（一）attention seq2seq

（二）ResNet（Residual Network）

（一）Transformer

（二）BERT（Bidirectional Encoder Representations from Transformers）

（一）OpenAI GPT（Generative Pretrained Transformer）

（二）ELMo（Embedding from Language Models）

（一）动态嵌入（dynamic embedding）

（二）context2vec

一、支持向量机

二、朴素贝叶斯方法

三、逻辑回归

四、决策树

五、集成学习

六、聚类分析

七、降维学习

八、线性回归

九、最大熵模型

一、机器学习

二、深度学习

三、自然语言处理

四、强化学习

五、人工智能

一、有监督学习

二、无监督学习

三、强化学习

四、算法列表

一、监督学习（Supervised Learning）

二、无监督学习（Unsupervised Learning）

三、强化学习（Reinforcement Learning）

四、集成学习（Ensemble Learning）

五、神经网络与深度学习（Neural Networks and Deep Learning）

解决问题

降噪方法

架构

学习

隐藏单元的设计

通用逼近定理

基于训练数据的正则化

基于网络架构的正则化

基于误差函数和正则化项的正则化

基于最优化过程的正则化

无监督学习方式

栈式自编码器

无监督预训练

有监督微调

稀疏自编码器

去噪自编码器

收缩自编码器

变分自编码器

马尔可夫决策过程

基于价值的深度强化学习

基于策略的深度强化学习

无监督强化辅助学习（UNREAL算法）

基于模型的深度强化学习