第一章 人工智能概論 1
1．1 引言 2
1．1．1 人工智能是什么 2
1．1．2 人工智能的兩位奠基人 3
1．1．3 達特茅斯會議 9
1．1．4 人工智能發(fā)展的歷程 10
1．1．5 關(guān)鍵事件 13
1．2 身邊的人工智能 15
1．2．1 下棋高手 15
1．2．2 自動駕駛 18
1．2．3 機器翻譯 20
1．2．4 圖像識別 21
1．2．5 智能回答 24
1．2．6 目標檢測 26
1．3 人工智能的發(fā)展趨勢 29
第二章 Python語言基礎(chǔ) 31
2．1 Python概述 32
2．1．1 Python語言簡介 32
2．1．2 Python開發(fā)環(huán)境搭建 33
2．2 Python基礎(chǔ)語法及運算符 38
2．2．1 基礎(chǔ)語法 38
2．2．2 變量 40
2．2．3 運算符 40
2．3 控制結(jié)構(gòu) 42
2．3．1 順序結(jié)構(gòu) 42
2．3．2 分支結(jié)構(gòu) 42
2．3．3 循環(huán)結(jié)構(gòu) 43
2．4 數(shù)據(jù)結(jié)構(gòu) 46
2．4．1 字符串 46
2．4．2 列表 48
2．4．3 元組 50
2．4．4 字典 50
2．5 函數(shù)的設(shè)計與調(diào)用 51
2．5．1 函數(shù)的定義與調(diào)用 51
2．5．2 常用函數(shù) 53
2．5．3 標準庫與擴展庫對象的導(dǎo)入和使用 55
第三章 智能計算方法 57
3．1 暴力搜索算法 58
3．1．1 暴力搜索算法的原理 58
3．1．2 暴力搜索算法的優(yōu)點和缺點 60
3．2 爬山算法 63
3．2．1 爬山算法的原理 64
3．2．2 爬山算法的優(yōu)點和缺點 64
3．3 模擬退火算法 68
3．3．1 模擬退火算法的原理 69
3．3．2 模擬退火算法的優(yōu)點和缺點 70
3．4 遺傳算法 75
3．4．1 遺傳算法的原理 75
3．4．2 遺傳算法的優(yōu)點和缺點 78
第四章 經(jīng)典機器學(xué)習(xí) 85
4．1 小明識數(shù) 86
4．2 機器識數(shù)：K最近鄰分類算法 88
4．2．1 K最近鄰分類算法的原理 88
4．2．2 KNN算法的基本步驟 89
4．2．3 k值對結(jié)果的影響 90
4．2．4 使用KNN算法預(yù)測樣本的步驟 92
4．3 支持向量機分類 100
4．3．1 多類分類問題轉(zhuǎn)化為二分類問題 100
4．3．2 支持向量機 103
4．4 機器學(xué)習(xí)的實用技巧 111
4．4．1 特征工程 111
4．4．2 數(shù)據(jù)標準化 118
4．4．3 超參數(shù)搜索 120
4．4．4 模型驗證 121
4．5 無監(jiān)督學(xué)習(xí) 124
4．5．1 聚類 124
4．5．2 降維 125
第五章 深度學(xué)習(xí)技術(shù) 137
5．1 人工神經(jīng)網(wǎng)絡(luò) 138
5．1．1 神經(jīng)元模型 139
5．1．2 前饋神經(jīng)網(wǎng)絡(luò) 139
5．2 卷積神經(jīng)網(wǎng)絡(luò) 146
5．2．1 卷積層 146
5．2．2 池化層 147
5．2．3 典型的卷積網(wǎng)絡(luò)結(jié)構(gòu) 148
5．3 循環(huán)神經(jīng)網(wǎng)絡(luò) 153
5．3．1 循環(huán)神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 154
5．3．2 基礎(chǔ)循環(huán)神經(jīng)網(wǎng)絡(luò)的局限 155
5．3．3 長短期記憶網(wǎng)絡(luò) 155
5．3．4 門控循環(huán)單元網(wǎng)絡(luò) 156
5．4 小結(jié) 162
參考文獻 163
使用說明 164