1.2　四种不同的AI模型

本书选中这些AI模型的原因是，它们用于多种工业应用并且能够解决很多不同的实际问题。此处我只是简要提及它们的名字，之后我们会在本书中深入学习。在本书中，你会深入学习的四种AI模型如下：

1.汤普森采样。

2.Q学习。

3.深度Q学习。

4.深度卷积Q学习。

对上述每一种模型，我们都将遵循以下的三步法：

1.获得对模型怎样运行的直觉。

2.学会该理论背后的所有数学知识。

3.用Python从头开始实现该模型。

我和我的学生已经多次实践上述的学习方法，我敢说这种方法是最有效的。这个概念很简单：因为你是从直觉出发，所以不会被理论背后的数学知识压得不堪重负，反倒能够更容易理解它们。这样，你也会更加自如地编写那些你既能在直觉上理解，又具备深入理论知识的模型。

模型与实践

贯穿本书，你会找到一些实际案例来进行学习或者自己实现它们。这里列出了本课程中包含AI模型技术实现的章节。AI模型的技术实现从第3章，也就是在你掌握了踏上AI之旅所需的工具（第2章）之后开始。

基础知识

第3章涵盖本书中你所需要的Python编程基础。你可以回顾或是从头学习如何用Python编程。

第4章包含说明人工智能五大核心原理的伪代码案例。

汤普森采样

第5章包含用于诠释汤普森采样AI模型背后理论的入门代码。

第6章包含汤普森采样模型在现实中的技术实现：应用于在线广告。

Q学习

第7章包含用于诠释Q学习AI模型的伪代码。

第8章包含Q学习模型在现实中的技术实现：应用于流程自动化及优化。

深度Q学习

第9章包含诠释人工神经网络背后理论的入门代码。

第10章包含深度Q学习模型在现实中的技术实现：应用于自动驾驶汽车。

第11章包含深度Q学习模型在现实中的另一个技术实现：应用于能源与商业。

深度卷积Q学习

第12章包含用于诠释卷积神经网络（CNN）技术实现的入门代码。

第13章包含深度卷积Q学习模型在现实中的技术实现：应用于游戏。

如你所见，每当引入一个新的模型，你首先学习直觉，其次是数学知识，最后是模型的技术实现。那么，为什么要投入精力学习如何实现这些模型呢？