大话机器智能：一书看透AI的底层运行逻辑

图书标准信息

• 作者 徐晟
• 出版社 机械工业出版社
• 出版时间 2021-12
• 版次 1
• ISBN 9787111696193
• 定价 89.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 字数 200千字

【内容简介】

本书围绕思维、信息、数据、算法、技术、安全、未来等方面讨论人工智能技术背后的实现原理和本质。涵盖以下要点。1、人类解决人工智能技术问题的根本原因。2、重点围绕香农提出的信息论，并在此基础上阐述关于信息的度量、加密、传输等方面的内容。3、从正反两个角度来审视大数据给我们生活带来的影响。4、围绕机器学习算法、人工神经网络算法等内容展开讨论。5、围绕计算机发展、运算、存储等技术实现，并说明分布式计算的原理、实现过程、要解决的一致性难题等。6、围绕大众比较关注的大数据安全等话题，比如大数据杀熟、智能攻防等进行讲解。7、开放性的探讨人类未来的命运等话题。

【目录】

前言

第1章　世界充满不确定性　/　1

1.1　解题重要的是思路　/　2

1.1.1　加百子的答案　/　2

1.1.2　人工智能的破题思路　/　2

1.1.3　统计思维的诞生　/　3

1.2　随机世界　/　6

1.2.1　猜测上帝的游戏　/　6

1.2.2　科学研究与模型　/　7

1.2.3　随机性与随机过程　/　8

1.2.4　正态分布是什么　/　9

1.2.5　随机不是均匀　/　10

1.3　概率的威力　/　11

1.3.1　试验能得出什么规律　/　12

1.3.2　如何合理分配赌金　/　12

1.3.3　概率与异常值　/　13

1.3.4　用概率击败庄家　/　14

1.4　直觉和错觉　/　15

1.4.1　猜拳是不是碰运气　/　15

1.4.2　同一天生日的概率是多少　/　16

1.4.3　蒙提霍尔的三门问题　/　17

1.5　生活中的大数定律　/　19

1.5.1　大数定律的概念和意义　/　19

1.5.2　蒙特卡洛方法　/　20

1.6　如何验证假设　/　20

1.6.1　女士品茶　/　21

1.6.2　停时理论　/　24

1.7　经验和实践如何共存　/　25

1.7.1　什么是贝叶斯定理　/　26

1.7.2　朴素贝叶斯有多“朴素”　/　29

1.7.3　每个人都懂贝叶斯　/　31

1.8　结语　/　32

第2章　数据代表真相吗　/　34

2.1　小心数据的陷阱　/　34

2.2　数据收集的偏差　/　35

2.2.1　幸存者偏差　/　35

2.2.2　选择性偏差　/　36

2.3　数据处理的悖论　/　38

2.3.1　被平均的工资　/　38

2.3.2　辛普森悖论　/　40

2.4　数据呈现的误导　/　42

2.4.1　未披露的数据　/　42

2.4.2　会欺骗的视觉设计　/　43

2.5　如何正确解读数据　/　47

2.5.1　相关性不等于因果性　/　47

2.5.2　被选数据的骗局　/　50

2.5.3　数据表达的局限　/　51

2.5.4　精准预测的挑战　/　52

2.6　结语　/　54

第3章　如何获得有用信息　/　55

3.1　数据、信息、知识　/　55

3.1.1　数据是一组有意义的符号　/　56

3.1.2　信息是用来消除不确定性的　/　56

3.1.3　知识是对信息的总结和提炼　/　57

3.2　用信息丈量世界　/　60

3.2.1　香农与信息论　/　60

3.2.2　一条信息的价值　/　62

3.2.3　重复的信息没有价值　/　64

3.2.4　信息的熵　/　65

3.3　信息是如何交换的　/　66

3.3.1　互联网与信息交换　/　67

3.3.2　哈夫曼和有效编码　/　68

3.3.3　信息不对称与囚徒困境　/　71

3.4　信息的加密与解密　/　74

3.4.1　语言是一套密码系统　/　74

3.4.2　墙边盛开的花朵　/　75

3.4.3　可以被公开的密钥　/　76

3.5　信息里的噪声　/　79

3.5.1　信息越多结果就越准确吗　/　79

3.5.2　人工智能如何处理噪声　/　80

3.5.3　模型的泛化能力　/　82

3.5.4　欠拟合和过拟合　/　82

3.6　结语　/　84

第4章　大数据处理与挖掘　/　85

4.1　大数据概述　/　86

4.1.1　数据是描绘世界的新方式　/　86

4.1.2　大数据到底有多大　/　87

4.2　数据处理的流程和方法　/　88

4.2.1　数据收集　/　89

4.2.2　数据加工　/　90

4.2.3　数据分析　/　94

4.2.4　数据可视化　/　100

4.3　大数据改变了什么　/　103

4.3.1　经验与数据　/　103

4.3.2　时间与空间　/　105

4.3.3　记忆与理解　/　106

4.4　结语　/　107

第5章　机器是如何学习的　/　108

5.1　机器学习是什么　/　108

5.1.1　归纳与推演　/　109

5.1.2　定规则和学规则　/　110

5.1.3　算法的含义　/　112

5.2　机器学习算法　/　113

5.2.1　常见的学习方法　/　114

5.2.2　回归　/　116

5.2.3　分类　/　118

5.2.4　聚类　/　126

5.2.5　降维　/　130

5.2.6　时间序列　/　132

5.3　没有完美的算法　/　134

5.4　结语　/　135

第6章　模拟大脑的神经网络　/　137

6.1　不断演进的人工智能　/　138

6.1.1　从浅层学习到深度学习　/　139

6.1.2　萌芽、复苏、增长和爆发　/　141

6.2　机器会不会思考　/　144

6.3　深度学习算法　/　146

6.3.1　人工神经网络：模拟人脑的思考　/　146

6.3.2　卷积神经网络：让计算机“看”到世界　/　152

6.3.3　循环神经网络：如何模拟记忆功能　/　157

6.3.4　强化学习：黑森林蛋糕的秘密　/　161

6.4　场景是算法的综合应用　/　166

6.4.1　计算机如何下围棋　/　166

6.4.2　计算机如何打游戏　/　168

6.4.3　计算机如何与人对话　/　170

6.5　结语　/　177

第7章　海量运算背后的技术　/　178

7.1　不断提升的计算能力　/　178

7.1.1　计算的演进　/　179

7.1.2　今非昔比的算力　/　183

7.1.3　计算机芯片　/　184

7.2　如何完成协作计算　/　187

7.2.1　举足轻重的三篇论文　/　187

7.2.2　不可兼得的CAP定理　/　189

7.2.3　故障是不可避