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
- 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)
- 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
- 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
- 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)
- 回归算法
- 无监督学习