圖解機器學習、人工智慧與人類未來

吳作樂
學歷
國立台灣大學數學系學士
美國哥倫比亞大學數理統計博士

經歷
長榮大學資訊管理系教授
數位內容創作學程主任
國家太空中心主任
國際宇宙航行學院 (International Academy of Astronautics) 院士
宏遠育成科技股份有限公司總經理
工研院電通所副所長
美國Bell core公司信號處理部研發經理(District Manager)
美國貝爾實驗室(Bell Labs) 衛星通訊部門研究員

吳秉翰
學歷
輔仁大學應用數學學士

前言
第１章　人工智慧、機器學習、演算法、大數據、黑盒子的基礎認識
1-1 概要　
1-2 AI的歷史與展望　
1-3 人工智慧、機器學習與深度學習的關係　
1-4 人工智慧之父 ─ 艾倫‧圖靈　
1-5 21世紀的新型石油─大數據　
1-6 蒙地卡羅法(1)　
1-7 蒙地卡羅法(2)　
1-8 機器學習與無人駕駛車(1)　
1-9 機器學習與無人駕駛車(2)　
1-10 演算法與黑盒子模式(1)　
1-11 演算法與黑盒子模式(2)　
1-12 使用者該如何看待黑盒子模式演算法(1)　
1-13 使用者該如何看待黑盒子模式演算法(2)　
1-14 使用者該如何看待黑盒子模式演算法(3)　
1-15 使用者該如何看待黑盒子模式演算法(4)　
1-16 使用者該如何看待黑盒子模式演算法(5)　
1-17 使用者該如何看待黑盒子模式演算法(5)　
1-18 人工智慧的利與弊(1)　
1-19 人工智慧的利與弊(2)　
1-20 人工智慧的利與弊(3)　
1-21 人工智慧的利與弊(4)　
1-22 AI會有情緒嗎？有情緒會不會對人類有所危害？　
1-23 我們需要有情緒的AI—強人工智慧嗎？　
1-24 AI的應用(1)　
1-25 AI的應用(2)　
1-26 AI的應用(3)　
1-27 AI的應用(4)　
1-28 AI的應用(5)　
1-29 碎形與AI　
1-30 碎形的起源　
1-31 碎形與AI　
第２章　認識大數據、傳統統計、商用統計與工程統計
2-1 大數據概要(1)　
2-2 大數據概要(2)　
2-3 什麼是大數據　
2-4 大數據的問題　
2-5 統計學界的統計分析與商業界的大數據分析之差異　
2-6 統計學界的統計分析與工程界的統計分析之差異　
2-7 大數據分析的起點　
2-8 資訊視覺化　
2-9 視覺分析的意義　
2-10 建議大數據該用的統計方法　
2-11 卡門濾波　
2-12 資訊科學家的定位、大數據結論　
2-13 資料探勘(1)：資料探勘的介紹　
2-14 資料探勘(2)：數據中的異常值　
2-15 資料探勘(3)：分群討論　
2-16 資料探勘的應用　
2-17 時間序列　
第3章　認識部分黑盒子演算法的統計原理
3-1 監督學習、無監督學習、半監督學習、強化式學習　
3-2 貝氏演算法(1)：概要　
3-3 貝氏演算法(2)：案例　
3-4 貝式演算法(3)：統計原理　
3-5 K-maen 演算法(1)：概要　
3-6 K-maen演算法(2)：案例1　
3-7 K-maen 演算法(3)：案例2　
3-8 K-maen演算法(4)：統計原理　
3-9 K-mean 演算法(5)：最佳化的K值　
3-10 K-近鄰演算法　
3-11 先驗演算法(1)：概要　
3-12 先驗演算法(2)：案例　
3-13 SVM演算法(1)：概要與案例　
3-14 SVM演算法(2)：推廣　
3-15 SVM演算法(3)：統計原理　
3-16 線性迴歸演算法(1)：概要　
3-17 線性迴歸演算法(2)：迴歸線的統計原理　
3-18 線性迴歸演算法(3)：相關係數的統計原理　
3-19 邏輯迴歸演算法：概要與案例　
3-20 決策樹演算法(1)：概要與樹狀圖　
3-21 決策樹演算法(2)：案例與剪枝(1)　
3-22 決策樹演算法(3)：案例與剪枝(2)　
3-23 隨機森林演算法：概要與案例　
3-24 淺談深度學習：人工神經網路　
3-25 可解釋人工智慧　
3-26 本章結論　
第四章　常用的基礎統計知識
4-1 標準差是什麼　
4-2 常態分布　
4-3 認識二項分布、卜瓦松分布　
4-4 大數法則　
4-5 中央極限定理　
4-6 中央極限定理的歷史　
4-7 標準化　
4-8 常態分布的歷史與標準常態分布　
4-9 t分布與自由度　
4-10 t分布歷史與t分布表　
4-11 卡方分布與F分布　
4-12 複迴歸分析(1)　
4-13 複迴歸分析(2)　
4-14 複迴歸分析(3)　
第五章　AI的發展與影響
5-1 AI的發展取決於有創意的教育　
5-2 淺談世界AI化後教育的衝擊與改變　
5-3 AI帶來極致的便利後，造成的社會結構衝擊　
5-4 AI世界的奶頭樂：人類生活的再省思　
5-5 AI的高度發展後，無條件基本收入作為配套可行嗎？　
5-6 AI的發展重心，應放在讓人類懂數學及AI應用更多數學上　
5-7 AI時代改變生活的速度，會如同搭電梯而非緩慢爬坡　
5-8 哲學問題思考 ─AI與人類未來　
附 錄
附錄一 利用Excel作某一商品的建議購物（關聯性分析、購物籃分析）　
附錄二 A Fast Training Algorithm for Multi-Layer Neural Network based on Extended Kalman Filter Approach