手撕人工智能知识点后你也可以拥有自己的人工智能

以下是一个详细的人工智能技术知识图谱，涵盖从基础到高级的知识点，并细化到第四层知识点（部分领域可能更深）。内容分为 核心领域、关键技术 和 应用方向 三大模块，采用层级化结构展示。

---

一、数学基础

1. 线性代数
   • 向量与矩阵运算
   • 特征值与特征向量
   • 奇异值分解（SVD）
   • 矩阵分解（LU、QR）
2. 概率与统计
   • 概率分布（高斯、泊松）
   • 贝叶斯定理
   • 假设检验（p值、置信区间）
   • 马尔可夫链
3. 微积分与优化
   • 梯度与偏导数
   • 拉格朗日乘数法
   • 凸优化（KKT条件）
   • 随机梯度下降（SGD）

---

二、机器学习

1. 监督学习
   • 回归算法
     • 线性回归（正则化：L1/L2）
     • 多项式回归
     • 支持向量回归（SVR）
   • 分类算法
     • 逻辑回归
     • 决策树（ID3、C4.5、CART）
     • 随机森林（特征重要性）
2. 无监督学习