艾博士：深入淺出人工智能（公共課版·微課版）
馬少平
商品描述
"本書是一本針對初學者介紹人工智能基礎知識的書籍。本書採用通俗易懂的語言講解人工智能的基本概念、發展歷程和主要方法，內容涵蓋人工智能的核心方法，包括什麽是人工智能、神經網絡是如何實現的、電腦是如何學會下棋的、電腦是如何找到**路徑的、統計機器學習方法是如何實現分類與聚類的、專家系統是如何實現的等，每種方法都配有例題並給出詳細的求解過程，以幫助讀者理解和掌握算法實質，提高讀者解決實際問題的能力。 此外，本書可以幫助人工智能的開發人員理解各種算法背後的基本原理。書中的講解方法和示例，有助於相關課程的教師講解相關概念和算法。 總之，這是一本實用性強、通俗易懂的人工智能入門教材，適合不同背景的讀者學習和使用。"
目錄大綱
目錄
第0篇什麽是人工智能1
0.1人工智能的誕生1
0.2人工智能的5個發展時代4
0.2.1初期時代4
0.2.2知識時代6
0.2.3特徵時代8
0.2.4數據時代11
0.2.5大模型時代14
0.3人工智能的定義21
0.4圖靈測試與中文屋子問題23
0.4.1圖靈測試23
0.4.2中文屋子問題26
0.5第三代人工智能28
0.6總結31
第1篇神經網絡是如何實現的34
1.1從數字識別談起34
1.2神經元與神經網絡40
1.3神經網絡是如何訓練的44
1.4捲積神經網絡53
1.5梯度消失問題64
1.6過擬合問題74
1.7深度學習框架78
1.8總結79
第2篇電腦是如何學會下棋的80
2.1能窮舉嗎？81
2.2極小極大模型84
2.3αβ剪枝算法85
2.4蒙特卡洛樹搜索89
2.5AlphaGo是如何下棋的98
2.6總結106〖1〗〖2〗艾博士： 深入淺出人工智能（公共課版·微課版）〖1〗目錄第3篇電腦是如何找到最優路徑的107
3.1路徑搜索問題108
3.2寬度優先搜索算法110
3.3迪傑斯特拉算法112
3.4啟發式搜索115
3.4.1A算法115
3.4.2A算法122
3.4.3定義h函數的一般原則122
3.5深度優先搜索算法125
3.6動態規劃與Viterbi算法130
3.7總結132
第4篇統計機器學習方法是如何實現分類與聚類的134
4.1統計學習方法135
4.2樸素貝葉斯方法139
4.3決策樹147
4.3.1決策樹算法——ID3算法150
4.3.2決策樹算法——C4.5算法164
4.4k近鄰方法171
4.5支持向量機175
4.5.1什麽是支持向量機175
4.5.2線性可分支持向量機181
4.5.3線性支持向量機194
4.5.4非線性支持向量機197
4.5.5核函數與核方法200
4.5.6支持向量機用於多分類問題206
4.6k均值聚類算法213
4.7層次聚類算法220
4.8驗證與測試問題223
4.9總結226
第5篇專家系統是如何實現的228
5.1什麽是專家系統229
5.2推理方法232
5.3一個簡單的專家系統236
5.4非確定性推理242
5.4.1事實的表示242
5.4.2規則的表示243
5.4.3邏輯運算244
5.4.4規則運算246
5.4.5規則合成248
5.5專家系統工具253
5.6專家系統的應用256
5.7專家系統的局限性257
5.8總結258
