深度学习理论与实践，提高篇目录

打一波call，这本中文书是比较好的介绍了图灵测试中需要计算机做到的：

• 计算机听觉
• 计算机视觉
• 计算机语言（自然语言处理）
• 计算机与环境交互（强化学习）

以及一些需要掌握的知识（自动微分）和工具（tensorflow和pytorch）。
不过我认为这本书还缺一些知识讲解，比如

• 计算机视觉缺了one-stage检测算法
• 第6章中缺了catboost和lightgbm等梯度提升树方法
  当然一本面面俱到的书是没有的，这本书以精炼的语言和精准的知识点对AI领域的几个关键技术进行了描述和理解，向作者致敬！

1 哲学

1.1 人工智能能否实现？ 长文慎入！

2 听觉

2.1 语音识别简介

2.2 MFCC特征提取

2.3 基于HMM的语音识别(一)

2.4 基于HMM的语音识别(二)

2.5 基于HMM的语音识别(三)

2.6 WFST简介

2.7 HMM和WFST代码示例

2.8 深度学习在语音识别中的应用

2.9 Kaldi简介

2.10 CTC理论和实战

2.11 DeepSpeech理论与实战

2.12 使用Tensorflow识别语音关键词

2.13 一个轻量级的RNN语音唤醒引擎

3 视觉

3.1 视觉任务简介

3.2 目标检测

3.3 实例分割

3.4 Fast/Faster/Mask R-CNN总结

3.5 Faster R-CNN代码简介

3.6 Mask R-CNN代码简介

3.7 人脸识别简介

4 语言

4.1 Word Embedding教程

4.2 语言模型教程

4.3 文本分类算法

4.4 序列标注算法(一)

4.5 序列标注算法(二)

4.6 Stanford Core NLP用法简介

4.7 OpenAI GPT-2大新闻解读

4.8 使用PyTorch实现Chatbot

4.9 Transformer图解

4.10 Transformer代码阅读

4.11 BERT模型详解

4.12 BERT代码阅读

5 强化学习

5.1 强化学习简介(一)

5.2 强化学习简介(二)

5.3 强化学习简介(三)

5.4 强化学习简介(四)

5.5 强化学习简介(五)

5.6 强化学习简介(六)

5.7 AlphaGo

5.8 AlphaGo Zero

5.9 AlphaZero

5.10 用AlphaZero来玩Connect4游戏

6 其它

6.1 自动微分

6.2 Xgboost算法

6.3 在Docker中使用Tensorflow Serving

6.4 Tensorflow简明教程

6.5 PyTorch简明教程