本系列文是笔者在阅读人工智能相关书籍的过程中，结合导图所做的笔记梳理。本文梳理内容：书中后半部分章节（知识应用篇1），分别为：09 专家系统、10 计算机视觉、11 自然语言处理

本文是笔者在阅读《人工智能导论》李德毅的书籍过程中，结合导图所做的笔记梳理。梳理内容：书中前四章（绪论及知识表示篇），分别为：01绪论、02概念表示、03知识表示、04知识图谱。

站在互联网的角度理解人工智能：人工智能AI（artificial intelligence）是互联网时代发展的必然趋势。

本阶段将开启无监督机器学习的旅程。对于无监督机器学习问题，主要有两种：聚类、降维。本文将针对 K-Means 聚类、层次聚类、密度聚类以及谱聚类展开介绍。

本系列文是笔者在阅读人工智能、自然语言处理、知识图谱等相关书籍的过程中，结合导图所做的笔记梳理。① 本文源自：2022年《知识图谱发展报告》by 中国中文信息学会、语言与知识计算专委会。② 梳理内容：第三章 实体抽取。

本文主要讲解了与AI相关的一些Python基础语法中的集合操作，包括：列表（list）、元组（tuple）、字典（dict）、集合（set）。

隐马尔可夫模型 HMM：一、马尔科夫链；二、HMM 的基本概念（1、HMM 背景与定义，2、HMM 的两个基本假设，3、确定 HMM 的两个空间和三组参数）；三、HMM 三个基本问题 | 导图；四、HMM 的前向算法、维特比（Viterbi）算法；五、案例：Viterbi 算法的代码实现

矩阵就是二维数组，下面是一个 m 乘 n 的矩阵，它有 m 行 n 列，每行每列上面都有一个元素，每个元素都有行标 i 和列标 j，......

本系列文是笔者在阅读人工智能相关书籍的过程中，结合导图所做的笔记梳理。① 本文源自：2018年《人工智能导论》李德毅；② 梳理内容：书中中间章节部分（知识获取篇），分别为：05 搜索技术、06 群智能算法、07机器学习、08 人工神经网络与深度学习

人工智能需要一些必要的数学知识，这对后续理解机器学习、深度学习的算法有帮助，会理解得更加透彻。