1. 人工智能
   1. 发展与未来展望
   2. 知识表示
      1. 基本概念
         1. 数据，信息，情报，知识，智慧
         2. 注意事项：合适性，高效性，可理解性，无二义性
      2. 状态空间表示
         1. 状态空间法
            1. 三要点
            2. 状态
            3. 算符
            4. 状态空间法
            5. 三元状态（S,F,G）
         2. 问题状态描述
         3. 举例
         4. 基于解答空间的问题表示和求解方法
      3. 问题规约描述
      4. 逻辑谓词表示
         1. 一般形式：P（x1,x2,……，Xn）
         2. 连接词
         3. 量词
         4. 谓词公式
      5. 语义网络表示
         1. 语义网络结构：词法，结构，过程，语义
         2. 常用语义联系
         3. 二元语义网络表示
         4. 多元语义网络
         5. 语义网络的推理
            1. 继承
      6. 框架表示
         1. 框架结构
         2. 特点：结构性，继承性，自然性
      7. 本体技术
      8. 实质：从目标出发逆向推理，建立子问题以及子问题的子问题，直至最后把初始问题规约为一个平凡的本原问题集合
   3. 搜索技术
      1. 盲目搜索技术
         1. 广度（深度）优先搜索（先节点）
            1. 优：完备，路径最短
            2. 缺：盲目性大，效率较低
         2. 深度优先搜索（最新产生的节点）
            1. 特点：最晚生成，无穷分支，不完备
         3. 等代价搜索
      2. 启发式搜索技术
         1. A*算法
            1. 偏于保守
      3. 无信息
      4. 有启发式信息
2. 计算智能
   1. 概述
      1. 最优化问题
         1. 函数优化问题
         2. 组合优化问题
         3. 决策变量均为连续变量的最优化问题
         4. 决策变量均为离散取值的最优化问题
   2. 遗传算法
      1. 基本原理
         1. 生物遗传进化过程
      2. 算法流程
         1. 群体初始化
         2. 交叉操作
         3. 变异操作
         4. 评价与选择
      3. 举例
         1. 参数设置
   3. 粒子群算法
      1. 群体智能
         1. 蜂群协同系统
         2. 路径规划系统
      2. 自然隐喻和建模
         1. 鸟群觅食现象
         2. 速度与位置更新公式
      3. 应用举例
         1. 参数设置
3. 机器学习
   1. 概述
      1. 监督学习
         1. 特征，标签，预测
      2. 非监督学习
         1. 特征
      3. 模型的使用与评估
   2. 机器学习算法
      1. 线性回归
         1. 回归算法
            1. 一元线性回归直线
            2. 多元线性回归平面/超平面
         2. 损失函数
            1. 正规方程
            2. 梯度下降
         3. 多项式回归
         4. 过拟合和欠拟合
         5. 正则化
            1. 岭回归
            2. LASSO回归
      2. KNN算法
         1. 距离度量
            1. 欧式距离（L2）（绝大多数时候适用）
            2. 曼哈顿距离（L1）
            3. 明氏距离（Lq）
         2. 过程：计算距离-排序-取前k个样本-统计结果-分析结果
         3. 特点：不需大样本数据；对异常值不敏感；天然多分类器；数据量大计算量大；处理不平衡能力差；不需训练，求解参数
      3. 逻辑回归和神经网络与损失函数
         1. 平均绝对误差损失
         2. 交叉熵损失函数
         3. 梯度和误差反向传播
      4. 差分隐私
      5. 联邦学习
         1. 横向联邦学习
         2. 纵向联邦学修
         3. 联邦迁移学习
         4. 特征对齐
         5. 样本对齐
      6. 样本空间中对样本规律的线性总结
      7. 最简单算法：离谁近就是谁
      8. 数据不动模型动
4. 计算机视觉与其他应用
   1. 计算机视觉
      1. 数字图像处理
         1. 黑白图像数字化
         2. 灰度图像数字化
         3. 彩色图像数字化
         4. 数字图像处理
         5. 图像的增强
         6. 图像复原
      2. 应用与研究
   2. 语音语义
      1. 智能语音技术
         1. ASR
         2. TTS
      2. 语音识别
         1. 声学特征提取
         2. 声学模型
         3. 语言模型
         4. 字典解码
      3. 语音合成
         1. 文本分析
         2. 韵律控制
         3. 合成语音
      4. 语音交互
         1. 语音识别
         2. 语言理解
         3. 语音生成
      5. 语音信号转变为相应文本或命令
      6. 将任意文字信息实时转化为标准流畅的语音朗读出来
      7. 通过说话可以得到机器的反馈结果
   3. 自然语言处理
      1. 定义
      2. 应用
         1. 机器翻译
         2. 文本分类和情感分析
         3. 信息抽取
         4. 智能问答与聊天系统
         5. 文本生成
         6. 信息检索
      3. 知识与技能要求
         1. 机器学习算法
         2. 深度学习算法
         3. 词向量技术
         4. 分析
            1. 词法
            2. 词性
            3. 句法
      4. 是计算机科学，人工智能和计算语言学的一个交叉领域
5. 一门从数据中研究算法的科学学科