人工智能算法圖解
鏈接：pan.baidu.com/s/1FkSrfaql2I7VpyCr9Q6Vaw?pwd=6eti?
提取碼：6eti
今天，人工智能在我們的生活中隨處可見。它能推送我們喜歡的電視節(jié)目，幫助我們診斷疑難雜癥，還能向我們推薦商品。因此，讓我們掌握人工智能的核心算法，擁抱日新月異的智能世界吧。
與那些充斥著公式和術(shù)語的教材不同，本書利用豐富的圖表、案例和習(xí)題，深入淺出地講解人工智能的基本概念。你只需要具備高中數(shù)學(xué)基礎(chǔ)知識，即可輕松閱讀本書。讀完本書之后，你將能親手設(shè)計算法來預(yù)測銀行交易風(fēng)險，創(chuàng)造藝術(shù)作品甚至配置自動駕駛汽車。
主要內(nèi)容
●各種人工智能算法的實踐場景
●幫助決策的智能搜索算法
●受生物學(xué)啟發(fā)的算法簇
●機器學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)
●強化學(xué)習(xí) 與Q-learning
作者簡介
從兒時起，Rishal就著迷于計算機技術(shù)并有瘋狂的想法。在整個職業(yè)生涯中，他領(lǐng)導(dǎo)過團隊，負(fù)責(zé)過項目，動手編寫過工程軟件，做過戰(zhàn)略規(guī)劃，且曾為各種國際企業(yè)設(shè)計端到端解決方案。 他在公司、社區(qū)和行業(yè)內(nèi)積極發(fā)展實用主義文化，幫助團隊學(xué)習(xí)并掌握更多知識與技能。
Rishal對設(shè)計思維、人工智能與哲學(xué)充滿熱情，擅長綜合考慮業(yè)務(wù)機制與戰(zhàn)略，他的團隊不斷壯大。Rishal開發(fā)了多種數(shù)字產(chǎn)品，成功幫助大量團隊與企業(yè)提高生產(chǎn)效率，使其能專注于更重要的事情。 他還曾在數(shù)十次全球會議上發(fā)表演講，致力于使復(fù)雜的概念變得更易于理解，幫助人們提升自我。
精彩書評
★★★★★直擊要害，價值非凡。
——— Kendall s.
人工智能讓生活變得多姿多彩，“ 人工智能”一詞的含義寬泛，被蒙上幾分“神秘色彩”，引發(fā)了我這個門外漢強烈的探知欲。
此書講解清晰，用語生動，將一系列復(fù)雜的人工智能技術(shù)講得清晰明了。作者和編輯的工作十分出色，為廣大讀者奉獻了-本價值非凡的作品。如果你也對人工智能感興趣，建議你與我共讀此書!
★★★★★優(yōu)秀書籍，令我愛不釋手。
——— Duane
我已經(jīng)在IT行業(yè)摸爬滾打了十多年:很遺憾，我并非數(shù)學(xué)天才，對AI和ML之類需要深厚數(shù)學(xué)功底的學(xué)科心存畏懼。此書猶如一根蠟燭，光亮瞬間驅(qū)散了-片黑暗;此書用淺顯易懂的文字講明了深刻的道理，使我這樣的笨鳥也能起飛，理解了人工智能的實際工作原理。我極力推薦這本書!
★★★★★必備指南， 將復(fù)雜的技術(shù)講得簡單易懂。
——— Melssa Pistorius
很多數(shù)據(jù)科學(xué)書籍和博客中堆砌了大量的數(shù)學(xué)公式，晦澀難懂;如果你未能從宏觀上了解算法，你將備感沮喪和迷茫。此書并未羅列過多數(shù)學(xué)符號和公式，而是高屋建瓴，指導(dǎo)你弄清人工智能的來龍去脈。如果你想在程序中實現(xiàn)算法，書中的一些偽代碼可起到指導(dǎo)作用。
此書示例和插圖豐富，語言流暢，讀來令人愉悅。無論你是對人工智能算法感興趣的初學(xué)者，還是資深專家，都將在學(xué)習(xí)此書的過程中獲益。
★★★★★一 本很棒的書，點燃了我參與人工智能的熱情。
——— Tyler
閱讀此書的過程是一次暢快淋漓的學(xué)習(xí)經(jīng)歷。每章都包含富有價值的信息，有條理地呈現(xiàn)重要的知識點，在示例的引導(dǎo)下抽絲剝繭般闡釋核心概念。我迫不及待地想要實現(xiàn)章節(jié)中的一些算法。
“在我見過的所有與人工智能相關(guān)的書籍中，此書是最值得推薦；它不僅能幫你掌握人工智能算法，還能讓你明白為什么要使用這一算法，以及如何讓算法獲得更好的表現(xiàn)。
——— Linda Ristevski,約克公立中學(xué)教育委員會
“此書覆蓋了多個領(lǐng)域的計算機科學(xué)知識，其廣度令人難以置信，它能為一線程序員提供一條清晰、完整的通往智能的道路。
——— David Jacobs,高級產(chǎn)品經(jīng)理
“我讀過的更容易理解的人工智能算法教材?！?/p>
——— Karan Nih,軟件解決方案專家
“此書讓我們不再害怕了解人工智能的運行機制?！?/p>
——— Kyle Peterson,愛荷華大學(xué)體育系
目錄
目 錄
第1章 人工智能初印象 1
1.1 什么是人工智能？ 1
1.1.1 定義AI 2
1.1.2 理解數(shù)據(jù)是智能算法的核心 3
1.1.3 把算法看作“菜譜” 4
1.2 人工智能簡史 6
1.3 問題類型與問題解決范式 7
1.4 人工智能概念的直觀印象 9
1.5 人工智能算法的用途 13
1.5.1 農(nóng)業(yè)：植物種植優(yōu)化 13
1.5.2 銀行業(yè)：欺詐檢測 14
1.5.3 網(wǎng)絡(luò)安全：攻擊檢測與處理 14
1.5.4 醫(yī)療：智能診斷 14
1.5.5 物流：路徑規(guī)劃與優(yōu)化 15
1.5.6 通信：網(wǎng)絡(luò)優(yōu)化 16
1.5.7 游戲：主體創(chuàng)造 16
1.5.8 藝術(shù)：創(chuàng)造杰出作品 17
1.6 本章小結(jié) 17
第2章 搜索算法基礎(chǔ) 21
2.1 什么是規(guī)劃與搜索？ 21
2.2 計算成本：需要智能算法的原因 23
2.3 適合用搜索算法的問題 24
2.4 表示狀態(tài)：創(chuàng)建一個表示問題空間與解的框架 26
2.4.1 圖：表示搜索問題與解 28
2.4.2 用具體的數(shù)據(jù)結(jié)構(gòu)表示圖 28
2.4.3 樹：表示搜索結(jié)果的具體結(jié)構(gòu) 29
2.5 無知搜索：盲目地找尋解 31
2.6 廣度優(yōu)先搜索：先看廣度，再看深度 33
2.7 深度優(yōu)先搜索：先看深度，再看廣度 39
2.8 盲目搜索算法的用例 45
2.9 可選：關(guān)于圖的類別 46
2.10 可選：其他表示圖的方法 47
2.10.1 關(guān)聯(lián)矩陣 47
2.10.2 鄰接表 48
2.11 本章小結(jié) 48
第3章 智能搜索 51
3.1 定義啟發(fā)式方法：設(shè)計有根據(jù)的猜測 51
3.2 知情搜索：在指導(dǎo)下尋求解決方案 54
3.2.1 A*搜索 54
3.2.2 知情搜索算法的用例 61
3.3 對抗性搜索：在不斷變化的環(huán)境中尋找解決方案 62
3.3.1 一個簡單的對抗性問題 62
3.3.2 最小-最大搜索：模擬行動并選擇最好的未來 63
3.3.3 啟發(fā)式 64
3.3.4 阿爾法-貝塔剪枝：僅探索合理的路徑 72
3.3.5 對抗搜索算法的典型案例 75
3.4 本章小結(jié) 75
第4章 進化算法 77
4.1 什么是進化？ 77
4.2 適合用進化算法的問題 80
4.3 遺傳算法的生命周期 84
4.4 對解空間進行編碼 86
4.5 創(chuàng)建解決方案種群 89
4.6 衡量種群中個體的適應(yīng)度 91
4.7 根據(jù)適應(yīng)度得分篩選親本 93
4.8 由親本繁殖個體 96
4.8.1 單點交叉：從每個親本繼承一部分 97
4.8.2 兩點交叉：從每個親本繼承多個部分 98
4.8.3 均勻交叉：從每個親本繼承多個部分 98
4.8.4 二進制編碼的位串突變 100
4.8.5 二進制編碼的翻轉(zhuǎn)位突變 101
4.9 繁衍下一代 101
4.9.1 探索與挖掘 102
4.9.2 停止條件 102
4.10 遺傳算法的參數(shù)配置 104
4.11 進化算法的用例 105
4.12 本章小結(jié) 105
第5章 進化算法(高級篇) 107
5.1 進化算法的生命周期 107
5.2 其他篩選策略 109
5.2.1 排序篩選法：均分賽場 109
5.2.2 聯(lián)賽篩選法：分組對抗 110
5.2.3 精英篩選法：只選最好的 111
5.3 實值編碼：處理真實數(shù)值 111
5.3.1 實值編碼的核心概念 112
5.3.2 算術(shù)交叉：數(shù)學(xué)化繁殖 113
5.3.3 邊界突變 113
5.3.4 算術(shù)突變 114
5.4 順序編碼：處理序列 114
5.4.1 適應(yīng)度函數(shù)的重要性 116
5.4.2 順序編碼的核心概念 116
5.4.3 順序突變：適用于順序編碼 116
5.5 樹編碼：處理層次結(jié)構(gòu) 117
5.5.1 樹編碼的核心概念 118
5.5.2 樹交叉：繼承樹的分支 119
5.5.3 節(jié)點突變：更改節(jié)點的值 120
5.6 常見進化算法 120
5.6.1 遺傳編程 120
5.6.2 進化編程 121
5.7 進化算法術(shù)語表 121
5.8 進化算法的其他用例 121
5.9 本章小結(jié) 122
第6章 群體智能：蟻群優(yōu)化 125
6.1 什么是群體智能？ 125
6.2 適合用蟻群優(yōu)化算法的問題 127
6.3 狀態(tài)表達：如何表達螞蟻和路徑？ 130
6.4 蟻群優(yōu)化算法的生命周期 134
6.4.1 初始化信息素印跡 135
6.4.2 建立螞蟻種群 136
6.4.3 為螞蟻選擇下一個訪問項目 138
6.4.4 更新信息素印跡 145
6.4.5 更新最佳解決方案 149
6.4.6 確定終止條件 150
6.5 蟻群優(yōu)化算法的用例 152
6.6 本章小結(jié) 153
第7章 群體智能：粒子群優(yōu)化 155
7.1 什么是粒子群優(yōu)化？ 155
7.2 優(yōu)化問題：略偏技術(shù)性的觀點 157
7.3 適合用粒子群優(yōu)化算法的問題 160
7.4 狀態(tài)表達：粒子是什么樣的？ 162
7.5 粒子群優(yōu)化的生命周期 163
7.5.1 初始化粒子群 164
7.5.2 計算粒子的適應(yīng)度 166
7.5.3 更新粒子的位置 169
7.5.4 確定終止條件 180
7.6 粒子群優(yōu)化算法的用例 181
7.7 本章小結(jié) 183
第8章 機器學(xué)習(xí) 185
8.1 什么是機器學(xué)習(xí)？ 185
8.2 適合用機器學(xué)習(xí)的問題 187
8.2.1 監(jiān)督學(xué)習(xí) 188
8.2.2 非監(jiān)督學(xué)習(xí) 188
8.2.3 強化學(xué)習(xí) 188
8.3 機器學(xué)習(xí)的工作流程 188
8.3.1 收集和理解數(shù)據(jù)：掌握數(shù)據(jù)背景 189
8.3.2 準(zhǔn)備數(shù)據(jù)：清洗和整理 191
8.3.3 訓(xùn)練模型：用線性回歸預(yù)測 196
8.3.4 測試模型：驗證模型精度 205
8.3.5 提高準(zhǔn)確性 208
8.4 分類問題：決策樹 210
8.4.1 分類問題：非此即彼 210
8.4.2 決策樹的基礎(chǔ)知識 211
8.4.3 訓(xùn)練決策樹 213
8.4.4 用決策樹對實例進行分類 223
8.5 其他常見的機器學(xué)習(xí)算法 226
8.6 機器學(xué)習(xí)算法的用例 227
8.7 本章小結(jié) 228
第9章 人工神經(jīng)網(wǎng)絡(luò) 231
9.1 什么是人工神經(jīng)網(wǎng)絡(luò)？ 231
9.2 感知器：表征神經(jīng)元 234
9.3 定義人工神經(jīng)網(wǎng)絡(luò) 237
9.4 前向傳播：使用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò) 243
9.5 反向傳播：訓(xùn)練人工神經(jīng)網(wǎng)絡(luò) 250
9.6 激活函數(shù)一覽 259
9.7 設(shè)計人工神經(jīng)網(wǎng)絡(luò) 260
9.8 人工神經(jīng)網(wǎng)絡(luò)的類型和用例 263
9.8.1 卷積神經(jīng)網(wǎng)絡(luò) 263
9.8.2 遞歸神經(jīng)網(wǎng)絡(luò) 264
9.8.3 生成對抗網(wǎng)絡(luò) 264
9.9 本章小結(jié) 266
第10章 基于Q-learning的強化學(xué)習(xí) 269
10.1 什么是強化學(xué)習(xí)？ 269
10.2 適合用強化學(xué)習(xí)的問題 272
10.3 強化學(xué)習(xí)的生命周期 273
10.3.1 模擬與數(shù)據(jù)：環(huán)境重現(xiàn) 274
10.3.2 使用Q-learning模擬訓(xùn)練 278
10.3.3 模擬并測試Q表 287
10.3.4 衡量訓(xùn)練的性能 287
10.3.5 無模型和基于模型的學(xué)習(xí) 288
10.4 強化學(xué)習(xí)的深度學(xué)習(xí)方法 289
10.5 強化學(xué)習(xí)的用例 289
10.5.1 機器人技術(shù) 290
10.5.2 推薦引擎 290
10.5.3 金融貿(mào)易 290
10.5.4 電子游戲 291
10.6 本章小結(jié) 291
查看全部↓
