AI大纲

（一）人工智能基础
​1. 人工智能定义
​2. 人工智能学派
​3. 人工智能历史
​4. 机器学习与深度学习
​5. 计算机视觉
​6. 自然语言处理
​7. 知识图谱
​8. 机器人技术
​9. 交互技术

了解掌握人工智能的基本概念与定义；
了解人工智能的主要学派及主旨思想；
了解掌握人工智能的起源与发展历程；
了解掌握驱动新一代人工智能快速发展的数据、算法、算力等重要驱动因素；
了解掌握机器学习与深度学习、计算机视觉、自然语言处理、知识图谱、人机交互、机器人技术、SLAM技术等主要人工智能技术的基本概念和应用场景

（二）Python编程基础
​1. Python基本语法
2. Python数据类型
3. Python函数与参数
4. Python类与继承
5. Python文件系统
6. Python常用工具

了解掌握Python语言的特点与发展；
掌握Python语言基本语法与数据类型；
掌握常用函数的功能与用法；
熟练使用基本数据类型与组合数据类型；
掌握Python程序分支、循环等结构控制，掌握异常处理方法；
掌握常用Python函数定义、调用及参数传递方法；
掌握程序中变量作用域、返回值类型；
掌握代码复用及模块化编程方法；
掌握Python面向对象编程方法，熟悉类的定义与使用、属性和方法的定义与使用、类的继承等；
掌握Python文件系统读、写等基本方法和操作；
掌握Python常用工具包，例如线性代数、可视化等；

（三）概率数理统计基础
​1. 概率定义
​2. 条件概率
​3. 随机变量
​4. 离散随机变量的分布
​5. 连续随机变量的分布
​6. 样本
​7. 统计量
​8. 抽样分布
​9. 大数定律
​10. 中心极限定理
​11. 参数估计

概率基础知识，例如概率分布、联合概率、边缘概率、条件概率等基本概念；
掌握离散随机变量、连续随机变量的主要性质，了解掌握伯努利分布、泊松分布、均匀分布、正态分布等常用概率分布的公式与参数；
掌握样本的概念和性质，统计量的定义与性质，三大抽样分布函数的定义；
掌握大数定理和中心极限定理；
掌握参数估计的定义，掌握点估计、极大似然估计方法的原理；
掌握评价估计量的标准、区间估计的概念和方法