基本信息

商品名称：	人工智能技术基础	开本：	16开
作者：	编者:周庆国//雍宾宾|责编:祝智敏	页数：	222
定价：	59.8	出版时间：	2021-11-01
ISBN号：	9787115577283	印刷时间：	2021-11-01
出版社：	人民邮电出版社	版次：	1
印次：	1

内容提要：        本书介绍了人工智能领域常用的方法，包括搜索、统计学习、深度学习和自动机器学习等内容。各章节涉及的问题均根据历史典故或现实生活引出，并使用通俗易懂的方式提出问题及其解决方法。因此，读者在阅读本书时不会感到枯燥无味，也不需要具备人工智能相关的知识背景。书中包含很多代码示例，每个示例均有详细的解释，有助于读者进一步理解相应的算法。在学完本书后，读者将初步具备使用人工智能算法解决生活中实际问题的能力。
    本书可作为高校人工智能及相关专业的教材，也可供计算机相关领域从业人员参考使用。 目录：人工智能技术基础
内容提要
前言
目录
第一章    趣谈漫话人工智能
    1.1    一个古老的职业
    1.2    最后的观（占）星大师
    1.3    中世纪的宇宙模型
    1.4    八卦中的秘密
    1.5    另一个苹果
    1.6    神经网络发展
    1.7    新时代的炼金术
    1.8    深度学习和大数据
    1.9    最后的围棋大师
本章小结
    习题
第二章    学习在于实践-编程环境和基础
    2.1    编程环境管家-Anaconda管理工具
        2.1.1    Anaconda简介
        2.1.2    如何安装
        2.1.3    环境管理
    2.2    简明胶水语言-Python
        2.2.1    简介
        2.2.2    安装
        2.2.3    基础语法
        2.2.4    解决兔子繁殖问题
    2.3    面向数组的计算-NumPy
        2.3.1    简介
        2.3.2    安装
        2.3.3    基础语法
        2.3.4    案例
    2.4    机器学习百宝箱-Sklearn
        2.4.1    简介
        2.4.2    安装
    2.5    大道至简-keras
        2.5.1    简介
        2.5.2    安装
本章小结
    习题
第三章    穷举的魅力-搜索
    3.1    驴友的困惑-经典旅行问题
        3.1.1    七桥问题
        3.1.2    旅行商问题
        3.1.3    迷宫问题
    3.2    搜索的积木-基础数据结构
        3.2.1    树
        3.2.2    图
        3.2.3    栈
        3.2.4    优先队列
    3.3    林深时见鹿-深度优先搜索
        3.3.1    宽度优先搜索简介
        3.3.2    使用DFS解决七桥问题
        3.3.3    使用DFS解决旅行商问题
        3.3.4    使用DFS解决迷宫问题
    3.4    近水楼台先得月-广度优先搜索
        3.4.1    广度优先搜索简介
        3.4.2    使用BFS解决七桥问题
        3.4.3    使用BFS解决旅行商问题
        3.4.4    使用BFS解决迷宫问题
本章小结
    习题
第四章    计算机里的物竞天择-进化算法
    4.1    生物的演化规律-物种起源
    4.2    程序的优化方法-遗传算法
        4.2.1    遗传学的启发
        4.2.2    遗传定律
        4.2.3    遗传算法
    4.3    基因优化的模拟-交叉变异
        4.3.1    基因的二进制表示
        4.3.2    适应度的选择方法
        4.3.3    基因交叉计算
        4.3.4    基因变异
    4.4    更高级的程序优化-进化算法
        4.4.1    进化算法原理
        4.4.2    数值优化应用实践
        4.4.3    进化算法库Geatpy
    4.5    横看成岭侧成峰-多目标优化
        4.5.1    帕累托最优
        4.5.2    多目标优化算法
        4.5.3    多目标优化实践
    4.6    麻雀虽小五脏俱全-其它进化算法