第1章 人工智能的前世今生.........................................001 1.1 人工智能的定义.........................................002 1.2 人工智能发展史.........................................003 1.3 人工智能学派及研究领域...................................009 1.4 “人工智能 ”:改变各行各业................................011 本章小结.........................................015 第2章 人工智能基础.......................................016 2.1 人工智能的数学基础........................................017 2.2 一般数据的表示与处理........................................022 2.3 其他数据的表示与处理............... .......................026 本章小结...............................032 第3章 回归:预测图书价格.......................................033 3.1 一元线性回归.........................................034 3.2 代价函数的求解........................................037 3.3 使用Excel软件求一元线性回归方程............................040 3.4 多元线性回归与多项式回归................................041 3.5 模型选择与过拟合问题.......................................045 本章小结.........................................049 第4章 分类:健康管理与均衡饮食..........050 4.1 分类问题实例 .............................051 4.2 k 近邻算法 ...............................052 4.3 逻辑回归 .................................054 4.4 支持向量机 ...............................057 4.5 多分类任务 ...............................060 4.6 分类任务评价指标与分析....................061 本章小结 ...................... 063 第5章 聚类:合理划分景区.................064 5.1 聚类初识 ................................065 5.2 簇间距离 .................................066 5.3 聚类算法: 如何划分景区 ...................067 5.4 聚类算法结果评估 .........................074 5.5 聚类算法优劣对比 ..........................076 本章小结 ...................................077 第6章 神经网络与深度学习:识别俄罗斯方块..078 6.1 神经网络:模拟人脑的计算方式 ...............079 6.2 神经网络的结构和原理 .......................080 6.3 神经网络的学习过程 .........................086 6.4 深度学习 ....................................088 6.5 卷积神经网络——CNN ........................090 6.6 循环神经网络——RNN ........................093 本章小结 ...................................095 第7章 强化学习:游戏**的魅力..............096 7.1 强化学习简史 .................................097 7.2 强化学习的基本概念和方法 ...................099 7.3 强化学习的数学原理 ..........................102 7.4 强化学习的应用 ..............................103 本章小结 .....................................104 第8章 对抗学习:生成以假乱真的图像.............105 8.1 神奇的生成对抗网络 ..........................106 8.2 对抗学习前沿应用 .........................110 8.3 小试牛刀———手写数字生成 ................115 本章小结 ....................................120 第9章 主动学习:无人驾驶汽车.................121 9.1 困难——海量交通图片 ........................122 9.2 策略——有选择的标注 .........................124 9.3 应用——提高训练效率 .........................127 本章小结 ......................................131 第10章 知识图谱:与问答系统对话..............132 10.1 知识图谱的应用 ...............................133 10.2 知识图谱简史 .................................135 10.3 知识图谱的相关概念 ...........................137 10.4 从零构建知识图谱 .............................143 本章小结 .....................................152 参考文献......................................153