人工智能與機(jī)器學(xué)習(xí)(21世紀(jì)通識(shí)教育系列教材)
定 價(jià):36 元
叢書(shū)名:21世紀(jì)通識(shí)教育系列教材
- 作者:王秋月 覃雄派 趙素云 張靜
- 出版時(shí)間:2020/1/1
- ISBN:9787300275819
- 出 版 社:中國(guó)人民大學(xué)出版社
- 中圖法分類:TP18
- 頁(yè)碼:216
- 紙張:
- 版次:1
- 開(kāi)本:16
隨著計(jì)算機(jī)技術(shù)迅猛地發(fā)展,人工智能與機(jī)器學(xué)習(xí)已經(jīng)滲透到我們?nèi)粘I畹母鱾(gè)領(lǐng)域。為此,中國(guó)人民大學(xué)專門為全校財(cái)經(jīng)和人文專業(yè)的學(xué)生開(kāi)設(shè)了“人工智能與機(jī)器學(xué)習(xí)”課程,本書(shū)的所有作者都參與了該門課程的教學(xué)實(shí)踐,相互配合,總結(jié)教學(xué)經(jīng)驗(yàn),共同打磨而成《人工智能與機(jī)器學(xué)習(xí)》一書(shū)。書(shū)中通過(guò)豐富現(xiàn)實(shí)案例的詳細(xì)講解,引導(dǎo)學(xué)生了解各種機(jī)器學(xué)習(xí)模型的基本原理與實(shí)踐用法。避開(kāi)了大量的數(shù)學(xué)模型和復(fù)雜編程知識(shí),讓學(xué)生熟悉當(dāng)下流行的一些機(jī)器學(xué)習(xí)和數(shù)據(jù)處理工具的使用,來(lái)解決現(xiàn)實(shí)領(lǐng)域遇到的各種數(shù)據(jù)分析和預(yù)測(cè)問(wèn)題。
王秋月,中國(guó)人民大學(xué)信息學(xué)院計(jì)算機(jī)系講師。主要研究領(lǐng)域是數(shù)據(jù)庫(kù)、信息檢索、知識(shí)庫(kù)的構(gòu)建與應(yīng)用等。她在香港中文大學(xué)取得博士學(xué)位,在德國(guó)奧格斯堡大學(xué)做了兩年博士后工作,并于2014年訪問(wèn)德國(guó)馬克斯普朗克計(jì)算機(jī)科學(xué)研究所一年。她于2010年至2013年負(fù)責(zé)組織國(guó)際信息檢索評(píng)測(cè)會(huì)議INEX中的Data-Centric Track和Linked-Data Track,并擔(dān)任過(guò)SIGIR、TKDE等國(guó)際會(huì)議和雜志的評(píng)委,在國(guó)內(nèi)外期刊和會(huì)議上發(fā)表論文30余篇。主持或參與國(guó)家自然科學(xué)基金青年項(xiàng)目、面上項(xiàng)目、重點(diǎn)項(xiàng)目及國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目等多項(xiàng)。
覃雄派,中國(guó)人民大學(xué)信息學(xué)院計(jì)算機(jī)系副教授。2009年畢業(yè)于中國(guó)人民大學(xué)信息學(xué)院,獲得工學(xué)博士學(xué)位。目前主要從事高性能數(shù)據(jù)庫(kù)、大數(shù)據(jù)分析、信息檢索等方面的研究工作,主持1項(xiàng)國(guó)家自然科學(xué)基金面上項(xiàng)目,參與多項(xiàng)國(guó)家“863”計(jì)劃、“973”計(jì)劃及國(guó)家自然科學(xué)基金項(xiàng)目,在國(guó)內(nèi)外期刊和會(huì)議上發(fā)表論文30余篇。
趙素云,中國(guó)人民大學(xué)信息學(xué)院計(jì)算機(jī)系副教授。2009年畢業(yè)于香港理工大學(xué),獲博士學(xué)位。主要研究方向?yàn)闄C(jī)器學(xué)習(xí),不確定信息處理,以及隱私保護(hù)在數(shù)據(jù)挖掘中的應(yīng)用等。主持國(guó)家自然科學(xué)基金項(xiàng)目?jī)身?xiàng),并參與國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目、核高基等多項(xiàng),F(xiàn)已發(fā)表學(xué)術(shù)論文30余篇(其中SCI檢索論文10余篇)。目前,文章他引次數(shù)合計(jì)近1000次。
張靜,中國(guó)人民大學(xué)信息學(xué)院計(jì)算機(jī)系講師。2016年畢業(yè)于清華大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)系,獲博士學(xué)位。研究興趣為數(shù)據(jù)挖掘。發(fā)表多篇數(shù)據(jù)挖掘國(guó)際頂級(jí)會(huì)議與期刊論文,包括TKDE,TKDD, KDD,IJCAI, AAAI等。Google統(tǒng)計(jì)論文引用量達(dá)到2000多次。
目錄
第1章人工智能簡(jiǎn)介
11什么是人工智能
12人工智能簡(jiǎn)史(1956年以前)
13人工智能簡(jiǎn)史(1956—1980年)
14人工智能簡(jiǎn)史(1980—2010年)
15人工智能簡(jiǎn)史(2010年至今)
第2章機(jī)器學(xué)習(xí)簡(jiǎn)介
21什么是機(jī)器學(xué)習(xí)
22機(jī)器學(xué)習(xí)分類
第3章Python簡(jiǎn)介
31環(huán)境配置
32Python基礎(chǔ)編程
33Numpy
34Matplotlib
35Pandas
第4章K近鄰
41什么是K近鄰
42如何度量距離或者相似性
43數(shù)據(jù)縮放
44選擇合適的K值
45Scikitlearn KNN分類器介紹
46案例一:鳶尾花分類
第5章模型選擇
51偏差與方差
52訓(xùn)練集與測(cè)試集
53交叉驗(yàn)證
54案例二:鳶尾花分類(案例一續(xù))
第6章線性回歸
61什么是線性回歸
62損失函數(shù)
63增加多項(xiàng)式特征
64正則化
65超參數(shù)調(diào)優(yōu)
66案例三:波士頓房?jī)r(jià)預(yù)測(cè)
第7章邏輯回歸
71什么是邏輯回歸
72決策邊界
73損失函數(shù)
74線性回歸和邏輯回歸的異同
75多分類
76案例四:泰坦尼克號(hào)乘客生還預(yù)測(cè)
第8章分類評(píng)價(jià)指標(biāo)
81混淆矩陣
82查準(zhǔn)率與查全率、F1分?jǐn)?shù)
83ROC曲線和AUC
84多分類評(píng)價(jià)指標(biāo)
85案例五:泰坦尼克號(hào)乘客生還預(yù)測(cè)(案例四續(xù))
第9章樸素貝葉斯
91貝葉斯定理
92樸素貝葉斯分類器
93不同的樸素貝葉斯模型
94文本分類
95案例六:垃圾郵件識(shí)別
第10章支持向量機(jī)
101什么是支持向量機(jī)
102核函數(shù)
103支持向量機(jī)的參數(shù)優(yōu)化
104案例七:垃圾郵件識(shí)別(案例六續(xù))
105總結(jié)
第11章決策樹(shù)
111什么是決策樹(shù)
112構(gòu)建決策樹(shù)
113修剪決策樹(shù)
114決策樹(shù)的優(yōu)缺點(diǎn)和使用方法
115案例八:泰坦尼克號(hào)乘客生還預(yù)測(cè)
第12章集成學(xué)習(xí)
121袋裝
122提升
123堆疊
124案例九:泰坦尼克號(hào)乘客生還預(yù)測(cè)(案例八續(xù))
第13章聚類
131什么是聚類
132Kmeans算法
133聚類結(jié)果的評(píng)價(jià)
134不同的距離指標(biāo)
135聚合式層次聚類
136案例十:商場(chǎng)客戶聚類
第14章深度學(xué)習(xí)
141深度學(xué)習(xí)發(fā)展簡(jiǎn)史
142多層感知器
143損失函數(shù)
144優(yōu)化算法:反向傳播算法
145案例十一:手寫(xiě)數(shù)字識(shí)別
146深度學(xué)習(xí)技巧
147卷積神經(jīng)網(wǎng)絡(luò)
148案例十二:圖像識(shí)別
第15章Kaggle競(jìng)賽
151Kaggle平臺(tái)簡(jiǎn)介
152Kaggle競(jìng)賽簡(jiǎn)介
153Kaggle競(jìng)賽案例分析:泰坦尼克號(hào)乘客生還預(yù)測(cè)