人工智能基础课-王天一：从数学到深度学习的系统入门指南

《人工智能基础课》是由北京邮电大学工学博士王天一主讲的一套系统性人工智能入门课程，内容横跨数学基础、机器学习、人工神经网络、深度学习及实际应用场景五大模块，适合希望建立完整AI知识体系的初学者与从业者。

课程以音频搭配讲义的形式呈现，共包含40余节正课及多份复习资料、拓展阅读书单。王天一博士善于用凝练的比喻拆解复杂概念——例如用“月有阴晴圆缺”讲概率论中的不确定性，用“三个臭皮匠赛过诸葛亮”解释集成学习的核心思想，让抽象理论变得生动易懂。

课程结构清晰，循序渐进：

• 数学基础模块：涵盖线性代数、概率论、数理统计、最优化方法、信息论与形式逻辑，为后续算法学习打下扎实根基。
• 机器学习模块：从线性回归、朴素贝叶斯到决策树、支持向量机、集成学习、聚类与降维，系统讲解经典算法原理与适用场景。
• 人工神经网络模块：从神经网络的生理学背景出发，逐步深入到感知器、多层感知器、径向基函数网络、自组织特征映射及模糊神经网络。
• 深度学习模块：讲解深度前馈网络、正则化与优化策略、自编码器、深度强化学习，并延伸至深度信念网络、卷积神经网络、循环神经网络、生成式对抗网络与长短期记忆网络。
• 深度学习之外的人工智能：覆盖概率图模型、集群智能、迁移学习与知识图谱，拓宽AI视野。
• 应用场景模块：结合计算机视觉、语音处理、对话系统与机器翻译等真实案例，展示技术落地方式。

除正课外，资源还包含“机器学习必备的数学基础”直播回顾、各模块复习课、拓展阅读参考书以及王天一博士的新书《裂变：秒懂人工智能的基础课》PDF，帮助学习者巩固知识、延伸阅读。

无论你是刚接触AI的新手，还是希望系统梳理知识框架的从业者，这套课程都能提供一条清晰、完整的学习路径。