认识AI：人工智能如何赋能商业（原书第2版）

图书标准信息

• 作者 [美]道格·罗斯（Doug Rose）
• 出版社 机械工业出版社
• 出版时间 2021-10
• 版次 1
• ISBN 9787111691778
• 定价 79.00元
• 装帧 其他
• 开本 32开
• 纸张 胶版纸
• 字数 194千字

【内容简介】

本书分为四个部分。第1部分简单概述人工智能。第2部分对概述进行扩展，并加深读者对机器学习的理解。第3部分涉及神经网络，即计算机通过使用相互连接的多层人工神经元层来模拟人脑的结构和功能。第4部分介绍一些使用人工智能辅助商业的常用工具。

【目录】

译者序

序

前言

致谢

部分　思考的机器：人工智能概述

第1章　什么是人工智能    2

1.1　什么是智能    3

1.2　测试机器的智能    5

1.3　解决问题的一般方法    7

1.4　强人工智能与弱人工智能    10

1.5　人工智能规划    12

1.6　学习胜过记忆    14

1.7　本章小结    16

第2章　机器学习的兴起    18

2.1　机器学习的实际应用    21

2.2　人工神经网络    23

2.3　感知机的兴衰    26

2.4　大数据时代来临    29

2.5　本章小结    32

第3章　聚焦方法    33

3.1　专家系统与机器学习    33

3.2　监督学习与无监督学习    35

3.3　误差反向传播    37

3.4　回归分析    39

3.5　本章小结    41

第4章　通用人工智能应用    42

4.1　智能机器人    43

4.2　自然语言处理    45

4.3　物联网    47

4.4　本章小结    48

第5章　让大数据插上人工智能的翅膀    50

5.1　理解大数据的基本概念    51

5.2　与数据科学家合作    52

5.3　机器学习与数据挖掘的区别    52

5.4　从数据挖掘到机器学习的飞跃    53

5.5　采用正确的方法    54

5.6　本章小结    56

第6章　权衡你的选择    58

第二部分　机器学习

第7章　什么是机器学习    64

7.1　机器怎么学习    68

7.2　处理数据    70

7.3　应用机器学习技术    73

7.4　学习的类型介绍    75

7.5　本章小结    78

第8章　机器学习的范式    79

8.1　监督机器学习    79

8.2　无监督机器学习    82

8.3　半监督机器学习    84

8.4　强化学习    86

8.5　本章小结    88

第9章　主流机器学习算法    89

9.1　决策树    93

9.2　k近邻算法    95

9.3　k均值聚类    98

9.4　回归分析    101

9.5　朴素贝叶斯    103

9.6　本章小结    106

第10章　机器学习算法应用    107

10.1　利用算法模型拟合数据    110

10.2　选择算法    112

10.3　集成建模    112

10.4　决定机器学习范式    115

10.5　本章小结    115

第11章　几个建议    117

11.1　开始提问    117

11.2　不要混用训练数据和测试数据    119

11.3　不要夸大模型的精度    119

11.4　了解你的算法    120

11.5　本章小结    120

第三部分　人工神经网络

第12章　什么是人工神经网络    124

12.1　为什么与大脑类比    126

12.2　只是另外一个惊人的算法    126

12.3　了解感知机    128

12.4　采用sigmoid神经元    131

12.5　添加偏置项    133

12.6　本章小结    134

第13章　人工神经网络实战    136

13.1　将数据输入神经网络    136

13.2　隐藏层到底发生了什么    138

13.3　理解激活函数    141

13.4　添加权重    144

13.5　添加偏置项    145

13.6　本章小结    146

第14章　让神经网络开始学习    147

14.1　从随机权重和随机偏置项开始    148

14.2　让神经网络为错误买单：损失函数    149

14.3　结合损失函数和梯度下降法    150

14.4　利用反向传播纠正误差    152

14.5　调优神经网络    156

14.6　使用链式法则    156

14.7　利用随机梯度下降法对训练集批处理    158

14.8　本章小结    159

第15章　利用神经网络进行聚类和分类    160

15.1　求解分类问题    161

15.2　求解聚类问题    163

15.3　本章小结    165

第16章　关键挑战    166

16.1　获取足够多的高质量数据    166

16.2　隔离训练数据与测试数据    168

16.3　谨慎选择你的训练数据集    168

16.4　采取探索性的方法    169

16.5　选择正确的工具解决问题    169

16.6　本章小结    169

第四部分　人工智能实践

第17章　利用自然语言处理的威力    172

17.1　利用自然语言理解技术从文本和语音中提取线索    174

17.2　利用自然语言生成技术提供合理的反馈    175

17.3　客户服务的自动化    177

17.4　梳理主流的自然语言处理工具和资源    179

17.4.1　自然语言理解工具    180

17.4.2　自然语言生成工具    181

17.5　本章小结    183

第18章　客户互动自动化    184

18.1　选择自然语言技术    186

18.2　梳理构建聊天机器人及虚拟代理的主流工具    187

18.3　本章小结    189

第19章　提升基于数据的决策    190

19.1　在自动化决策和基于直觉的决策中做出选择    192

19.2　从物联网设备实时收集数据    193

19.3　梳理自动化决策工具    194

19.4　本章小结    196

第20章　利用机器学习预测事件及结果    197

20.1　机器学习是关于数据标记的技术    198

20.2　看看机器学习能够做什么    200

20.2.1　预测客户会购买什么    200

20.2.2　在被问之前回答问题    200

20.2.3　让决策更好更快    202

20.2.4　在商业中复制专业知识    203

20.3　利用你的能力做好事而不是作恶：机器学习伦理    204

20.4　梳理主流的机器学习工具    206

20.5　本章小结    208

第21章　构建人工智能系统    210

21.1　区分智能化和自动化    212

21.2　在深度学习中增加层    213

21.3　人工神经网络应用    214

21.3.1　将优质客户分类    215

21.3.2　商店布局推荐    216

21.3.3　分析及跟踪生物特征    217

21.4　梳理主流深度学习工具    218

21.5　本章小结    220