- 商品参数
-
- 作者:
张玉宏著
- 出版社:清华大学出版社
- 开本:16开
- ISBN:9784547462566
- 版权提供:清华大学出版社
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。 温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货), 关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
基本信息
书名: 人工智能极简入门(公共课版)
书号: 9787302569701
定价: 59.00
作者/编者: 张玉宏
出版社: 清华大学出版社
出版时间: 2021年04月
内容简介
本书较为系统地介绍了人工智能的发展历史、经典算法和前沿技术,并对算法背后的思维方式进行了哲学思辨。内容既包括经典算法(如k近邻、贝叶斯、决策树和神经网络等),又涵盖前沿技术(如深度学习、自然语言处理等)。本书所有算法均配备对应的实战项目(包括Ecel版本和/或Python版本),以帮助读者在实践中理解原理。
本书适合高等学校理工科或人文学科的“人工智能”通识课教学使用,也适合作为对人工智能有入门需求的研究生、工程师和研究人员的学习资料。
目录
1章光辉岁月: 人工智能的那些人和事1
1.1追问智能的本质1
1.2复杂机器与智能3
1.3远古人工智能发展简史4
1.3.1远古*与机器4
1.3.2复杂机器与智能6
1.3.3计算自动化的发展脉络10
1.3.4机器与类人机器15
1.3.5思维逻辑化的演变19
1.4现代人工智能的诞生28
1.4.1简洁优雅的图灵测试28
1.4.2星闪耀的达特茅斯会议32
1.5人工智能的三个流派35
1.5.1符号主义35
1.5.2联结主义38
1.5.3行为主义40
1.6人工智能的定义42
1.7人工智能的研究领域43
1.7.1认知建模43
1.7.2知识表示43
1.7.3机器感知44
1.7.4自动推理44
1.7.5机器学习45
1.7.6问题求解与博弈45
人工智能极简入门
目录
1.7.7自然语言处理46
1.7.8深度神经网络47
1.7.9智能信息检索47
1.8本章小结48
1.9思考与练习49
参考文献50
2章机器学习: 各司其职的大门派51
2.1人工智能的两种研究范式51
2.2从学习到机器学习53
2.2.1什么是学习53
2.2.2学习有何用54
2.2.3什么是机器学习56
2.2.4机器学习的本质57
2.2.5传程与机器学习的差别58
2.2.6为什么机器学习不容易59
2.3监督学习61
2.3.1感性认知监督学习61
2.3.2监督学习的工作流程62
2.3.3分类与回归的区分63
2.3.4监督学习中的损失函数64
2.4无监督学习66
2.4.1感性认知无监督学习66
2.4.2无监督学习的代表——K均值聚类67
2.5半监督学习71
2.6强化学习73
2.6.1感性认识强化学习73
2.6.2强化学习的形式描述75
2.7LeCun的蛋糕理论76
2.8从哲学视角审视机器学习78
2.8.1预测的本质78
2.8.2归纳法的不*性80
2.8.3大卫·休谟问题: 事实归纳不出价值83
2.9本章小结84
2.10思考与练习85
参考文献86
3章k近邻算法:近朱者赤、近墨者黑87
3.1“君君臣臣”传达的分类思想87
3.2k近邻算法的核心思想88
3.3k近邻算法的数学基础90
3.3.1特征向量与矩阵90
3.3.2特征向量的归一化96
3.4k近邻算法的三个要素98
3.4.1k值的选取98
3.4.2邻居距离的度量99
3.4.3分类决策的制订100
3.4.4苏格拉底之死与k近邻之弊101
3.4.5瑞·达里奥的“话份”102
3.5用Ecel完成k近邻算法实战103
3.5.1分类任务与数据准备103
3.5.2可视化图展现104
3.5.3计算相似性105
3.5.4判定类别108
3.6机器学习利器——scikitlearn112
3.7k近邻回归115
3.7.1k近邻回归的核心思想115
3.7.2利用k近邻回归预测体重115
3.8本章小结117
3.9思考与练习117
参考文献118
4章贝叶斯: 一种现代世界观的人生算法119
4.1贝叶斯的历史渊源119
4.2重温贝叶斯定理122
4.3贝叶斯的“问题”126
4.3.1案例分析: “汤姆断案”126
4.3.2江湖恩怨: 贝叶斯学派与频率学派129
4.4贝叶斯方法在机器学习中的应用132
4.4.1朴素贝叶斯132
4.4.2能否出去玩,贝叶斯说了算136
4.5基于贝叶斯的垃圾邮件过滤140
4.5.1垃圾邮件的来源141
4.5.2过滤垃圾邮件的贝叶斯原理142
4.5.3构建训练集143
4.5.4联合概率是如何计算的144
4.5.5朴素贝叶斯“朴素”在哪里146
4.5.6贝叶斯的不同类型146
4.5.7贝叶斯分类的一些工程优化147
4.6贝叶斯网络149
4.7本章小结151
4.8思考与练习152
参考文献153
5章决策树: 一种高胜算的决策思维154
5.1感性认知决策树154
5.1.1生活中的决策树154
5.1.2决策树的智慧157
5.1.3决策树与熵158
5.2机器学习中的各种熵158
5.2.1熵是一种世界观158
5.2.2信息熵160
5.2.3互信息166
5.3如何构建决策树168
5.3.1信息增益与ID3168
5.3.2信息增益率与C4.5179
5.3.3基尼指数与CART182
5.3.4决策树的特点184
5.4本章小结185
5.5思考与练习186
参考文献186
6章神经网络:道法自然的智慧187
6.1本能是学习吗?187
作者简介
张玉宏,2012年博士毕业于电子科技大学,大数据分析师,美国西北大学访问学者、IUPUI访问学者,现执教于河南工业大学,先后出版《深度学习之美》《品味大数据》等科技书7部。
1