人工智能(高中版)

图书标准信息

• 作者 姚期智
• 出版社 清华大学出版社
• 出版时间 2021-05
• 版次 1
• ISBN 9787302563754
• 定价 69.00元
• 装帧 其他
• 开本 16开
• 纸张 胶版纸
• 页数 204页
• 字数 308千字

【内容简介】

本书介绍了8个人工智能的核心方向，包括搜索、机器学习、线性回归、决策树、神经网络、计算机视觉、自然语言处理、强化学习，特别归纳了其中适合中学阶段学习的关键知识点，将帮助读者了解人工智能前沿方向的核心原理，并从科学的视角观察与理解前沿科研成果。书中的每一章均配备作业题与编程习题，让读者在练习中加深对原理与算法的理解。

【作者简介】

姚期智，世界著名计算机学家，2000年图灵奖获得主，中国科学院院士，美国科学院外籍院士，美国艺术与科学学院外籍院士，清华大学交叉信息研究院院长，清华学堂计算机科学实验班（姚班）与人工智能班（智班）首席教授。

【目录】

第0章数学与编程基础

引言

0.1数学基础

0.1.1导数

0.1.2概率论基础

0.1.3矩阵

0.2编程基础

0.2.1起步

0.2.2值的类型和算术运算

0.2.3变量、表达式、赋值

0.2.4控制流

0.2.5函数

0.2.6输入输出

练题

编程

章搜索

引言

1.1搜索问题的定义

1.2搜索算法基础

1.3盲目搜索

1.3.1深度优先搜索

1.3.2宽度优先搜索

1.4启发式搜索

1.4.1贪婪搜索

1.4.2a*算法

1.5对抗搜索

1.5.1极小极大搜索

1.5.2alphabeta剪枝搜索

本章结

历史回顾

练题

第2章机器学

引言

2.1监督学的概念

2.2数据集与损失函数

2.3泛化

2.4过拟合与欠拟合

2.5创建数据集

2.6无监督与半监督学

本章结

历史回顾

练题

第3章线回归

引言

3.1线回归

3.2优化方法

3.3二分类问题

3.4多分类问题

3.5岭回归

3.6套索回归

本章结

练题

第4章决策树、梯度提升和森林

引言

4.1决策树

4.1.1例子

4.1.2决策树的定义

4.1.3决策树的训练

4.2森林

4.2.1森林的算法描述

4.2.2关于的探讨

4.3梯度提升

4.3.1梯度提升的概念

4.3.2基于决策树子模型的梯度提升算法

4.3.3gbdt中的过拟合方法

4.3.4gbdt的高效开源实现

本章结

历史回顾

参文献

练题

第5章神经网络

引言

5.1深度线网络

5.2非线神经网络

5.3反向传播计算导数

本章结

历史回顾

练题

第6章计算机视觉

引言

6.1什么是计算机视觉

6.2图像的形成

6.2.1小孔相机模型

6.2.2数字图像

6.3线滤波器

6.4边缘检测

6.积神经网络

本章结

历史回顾

参文献

练题

第7章自然语言处理

引言

7.1语言模型

7.1.1什么是语言模型

7.1.2n-gram模型

7.1.3n-gram的计算

7.1.4模型评估与困惑度

7.1.5实用

7.1.6实例

7.1.7语言模型的应用

7.2字模型与词模型

7.2.1字模型与词模型的比较

7.2.2中文分词

7.2.3中文与英文的差别

7.3向量语义

7.3.1语义

7.3.2词向量

7.3.3word2vec

7.3.4可视化示例

7.4基于神经网络的自然语言处理

7.4.1基于神经网络的bigram模型

7.4.2训练神经网络

7.4.3基于神经网络的n-gram模型

本章结

历史回顾

练题

第8章马尔可夫决策过程与强化学

引言

8.1马尔可夫链

8.1.1例子

8.1.2马尔可夫链定义

8.2马尔可夫决策过程

8.2.1确定路线规划

8.2.2不确定路线规划

8.3强化学

8.3.1q-learning

8.3.2深度强化学

本章结

历史回顾

参文献

练题

附录a数学基础

a.1导数

a.2概率

a.3矩阵

附录b编程基础

b.1整数类型的运算

b.2变量命名规则

b.3关系表达式和逻辑表达式

b.4函数调用中的传值和传引用

b.5复杂类型

b.6一些

b.7编程风格