人工智能 中学生入门

图书标准信息

• 作者 李国良；黄琰；杨松帆；刘子韬
• 出版社 清华大学出版社
• 出版时间 2020-08
• 版次 1
• ISBN 9787302557203
• 定价 58.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 168页
• 字数 190千字

【内容简介】

《人工智能 中学生入门》是面向中学生介绍人工智能领域的入门书籍，从人工智能的概念和发展历史讲起，全面系统地介绍了人工智能的数学基础、人工智能领域的三大经典任务——回归、分类和聚类，以及人工智能的前言领域。本书通过深入浅出的讲解，帮助青少年认识人工智能并理解其背后的原理和技术。本书可作为中学信息技术课程人工智能模块的教材，也可作为青少年课外科普读物，还可作为相关培训机构的培训教材。

【作者简介】

李国良，清华大学计算机科学与技术系长聘教授，博士生导师，国家杰出青年科学基金获得者，中国计算机学会数据库专业委员会副主任，ACM SIGMOD China（国际计算机学会数据管理国际会议中国组）副主席。主要研究方向为数据库、智能数据处理、在线教育等。在计算机领域的顶级会议和期刊上发表论文100余篇，他引8000余次。

【目录】

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：游戏之王的魅力..............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