人工智能基础与实践

杨阳，工学博士，北京邮电大学副教授，主持并参与包括中国博士后基金面上项目、国家自然科学青年基金、北京市自然基金、国家重大专项项目等，多年来一直围绕通信网络、人工智能相关理论与技术开展深入研究。相关学术成果发表在IEEE TVT、TII、IEEE CL、IEEE GLOBECOM、ICC等知名国际期刊和会议上，授权3项国际发明专利、多项国内发明专利，并获得2018年IEEE TCOM期刊模范审稿人、“中国研究生电子设计竞赛总决赛优秀指导教师”、“2019中国高校计算机大赛人工智能创意赛总决赛优秀指导教师”称号，指研究生、留学生若干名并获得十余项国家级学科竞赛奖励。

第1部分

经典机器学习理论基础与实践

第1章绪论

1.1人工智能概述

1.1.1人工智能的基本概念

1.1.2图灵测试与人工智能分类

1.1.3强人工智能与弱人工智能

1.1.4适合用人工智能来求解的问题

1.2人工智能的发展历程

1 1.2.1 20世纪90年代前人工智能的发展历程

1.2.2 20世纪90年代后人工智能的发展历程

1.2.3人工智能发展历程中出现的哲学问题

1.3人工智能的应用现状与未来展望

1.3.1 AI赋能下的产业现状

1.3.2中美企业的人工智能战略布局

1.3.3人工智能的趋势与展望

第2章机器学习基础知识

2.1基本概念

2812.1.1学习的定义

12.1.2机器学习的定义

12.1.3学习类型的划分

2.1.4机器学习、深度学习以及强化学习三者的关系和区别

2.2机器学习中的数据准备

2.2.1数据清洗与预处理

2.2.2特征工程

2.2.3连续变量的特征降维与提取

2.2.4数据描述性统计与绘图

2.3机器学习中的模型评估

2.3.1过拟合和欠拟合

2.3.2性能度量

2.3.3交叉验证

2.3.4点估计、偏差与方差、标准差

……

第3章人工智能开发工具

第4章机器学习分类算法

第5章机器学习聚类算法

第6章机器学习回归算法

第2部分深度学习理论基础与实践

第7章深度神经网络基础

第8章卷积神经网络

第9章循环神经网络

第10章强化学习

参考文献

1.1.3强人工智能与弱人工智能

如前所述，人工智能的一个比较流行的定义，也是该领域较琴的定义,是由约输-麦卡锅右1956年的达特茅斯会议上提出的,其定义为由人类制造出来的机器所表现出米的智能。但是这个定义似乎忽略了强人工智能的可能性。

事实上，强人工智能观点认为有可能制造出真正能推理和解决问题的智能机器.并且,这样的机器将被认为是有知觉的、有自我意识的。强人工智能可以分为两类。

①类人的人工智能,即机器的思考和推理就像人的思维一样。

②非类人的人工智能，即机器产生了和人完全不一样的知觉和意识,使用和人完全不一样的推理方式。

更加普遍的一种对强人工智能的表达方式，就是我们经常在科幻电影、动画、小说里所想象出的那种人工智能，如《黑客帝国》、《复仇者联盟》和《终结者》(如图1-6所示)等中的人工智能。而用我们的对人工智能的定义米讲,强人工智能就是能够执行“通用任务”的人工智能:它能够像人类一样进行学习、推理、认知,解决问题,而且不是仅解决在特定领域中的问题。

相对于强人工智能，我们对于弱人工智能的定义就广泛得多。目前市场上我们所见到的人工智能，或者说能够帮助我们解决特定领域的一些问题的人工智能，都可以说是弱人工智能。

……

本书深入浅出地介绍了人工智能的基础理论及其相关编程实践知识囊括了传统的人工智能基础知识、机器学习、深度学习乃至强化学习的相关理论和方法。本书首先介绍了人工智能的基本概念与应用现状；其次阐述了经典机器学习理论与实践的相关内容，包含基础知识、人工智能的开发工具以及一系列机器学习分类、聚类和回归等算法；最后介绍了深度学习的相关理论，包括深度学习的基本概念、卷积神经网络、循环神经网络以及部分强化学习的经典方法。本书在介绍人工智能相关理论知识的同时，还介绍了部分其涉及的数学原理以及编程实例。