鏈接：https://pan.baidu.com/s/1Yke209epKxP87XVRKudjJg?pwd=1f5c?

提取碼：1f5c

編輯推薦

本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容定位于專業(yè)知識入門和普及層面，全面系統(tǒng)，通俗易懂，讓讀者真正了解和理解人工智能的相關(guān)技術(shù)方向，而不僅僅是編程技術(shù)。

內(nèi)容簡介

“人工智能超入門叢書”致力于面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、數(shù)據(jù)科學、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統(tǒng)等方向，體系完整、內(nèi)容簡潔、文字通俗，綜合介紹人工智能相關(guān)知識，并輔以程序代碼解決問題，使得零基礎(chǔ)的讀者快速入門。
本書是“人工智能超入門叢書”的一個分冊，以機器學習為主線，介紹如何利用機器學習進行數(shù)據(jù)分析。全書內(nèi)容共分7章，主要包括機器學習基本概念、數(shù)據(jù)分析相關(guān)基礎(chǔ)知識、機器學習解決四類問題（回歸問題、分類問題、聚類問題、降維問題）的算法、神經(jīng)網(wǎng)絡相關(guān)知識，并在附錄中對Python編程基礎(chǔ)知識、數(shù)據(jù)相關(guān)數(shù)學知識以及Python實驗室Jupyter Lab的使用進行了介紹。
本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容全面系統(tǒng)，語言通俗易懂，配合典型程序操作練習，簡單易上手，能夠幫助讀者輕松認識和理解人工智能核心技術(shù)。本書可以作為大學生以及想要走向人工智能工作崗位的技術(shù)人員的入門讀物，也可作為青少年人工智能相關(guān)技術(shù)方向的課程教材，同時也可作為技術(shù)普及讀物供對人工智能技術(shù)感興趣的讀者閱讀。

目錄

第1章　機器“學習” 001
1.1　數(shù)據(jù)科學、人工智能與機器學習 002
1.1.1　數(shù)據(jù)科學與機器學習 002
1.1.2　人工智能≠機器學習≠深度學習 005
1.2　機器學習概述 011
1.2.1　機器學習是什么 011
1.2.2　機器學習學什么 018
1.3　數(shù)據(jù)素養(yǎng) 021
1.3.1　何為數(shù)據(jù)素養(yǎng) 021
1.3.2　數(shù)據(jù)素養(yǎng)的維度劃分 023

第2章　數(shù)據(jù)基礎(chǔ) 025
2.1　先利其器 026
2.2　科學計算 029
2.2.1　向量與矩陣生成 029
2.2.2　向量與矩陣運算 035
2.3　數(shù)據(jù)分析 040
2.3.1　Series與DataFrame 040
2.3.2　文件的導入與處理 044
2.4　數(shù)據(jù)可視 047
2.4.1　基本圖形 047
2.4.2　畫圖點睛 052

第3章　回歸問題 057
3.1　什么是回歸問題 058
3.1.1　回歸分析概述 058
3.1.2　最小二乘法 060
3.2　線性回歸 061
3.2.1　一元線性回歸 061
3.2.2　多元線性回歸 069
3.3　進階：可視化 075

第4章　分類問題 078
4.1　什么是分類問題 079
4.2　近朱者赤近墨者黑的k近鄰 079
4.2.1　k近鄰算法基本原理 079
4.2.2　k近鄰算法實踐 085
4.3　通過熵解決分類的決策樹 087
4.3.1　決策樹與信息熵 087
4.3.2　決策樹案例與實踐 090
4.4　進階：距離 098

第5章　聚類問題 100
5.1　什么是聚類 101
5.2　K均值聚類 103
5.2.1　K均值聚類原理 103
5.2.2　K均值聚類實踐 109
5.3　系統(tǒng)聚類 113
5.3.1　系統(tǒng)聚類原理 113
5.3.2　系統(tǒng)聚類實踐 118
5.4　進階：再談距離 120

第6章　降維問題 122
6.1　什么是降維問題 123
6.2　主成分分析 124
6.2.1　主成分分析原理 124
6.2.2　主成分分析實踐 126
6.3　奇異值分解 131
6.3.1　奇異值分解原理 131
6.3.2　奇異值分解實踐 133
6.4　進階：特征值與特征向量 136

第7章　神經(jīng)網(wǎng)絡 141
7.1　從神經(jīng)元到感知機 142
7.1.1　從生物神經(jīng)元到人工神經(jīng)元 142
7.1.2　從單層感知機到多層感知機 146
7.2　神經(jīng)網(wǎng)絡的運行原理 150
7.2.1　結(jié)構(gòu)概述 150
7.2.2　前向傳播 151
7.2.3　反向傳播 155
7.3　神經(jīng)網(wǎng)絡的參數(shù)說明與實踐 156
7.3.1　參數(shù)與超參數(shù) 156
7.3.2　解決分類與回歸問題 158
7.4　進階：反向傳播推導 163

附錄A　Python基礎(chǔ) 166
A.1　運算符 167
A.1.1　基本算術(shù)運算符與數(shù)值型 167
A.1.2　關(guān)系運算符、邏輯運算符與布爾型 168
A.2　字符串與數(shù)據(jù)結(jié)構(gòu) 170
A.2.1　字符串 170
A.2.2　列表 171
A.2.3　元組 172
A.2.4　字典 173
A.3　控制結(jié)構(gòu) 174
A.3.1　if語句 174
A.3.2　while語句 175
A.3.3　for語句 176
A.3.4　多重循環(huán) 177
A.4　定義函數(shù) 178

附錄B　導數(shù)與代數(shù)基礎(chǔ) 179
B.1　導數(shù) 180
B.2　向量 183
B.3　矩陣 189

附錄C　騰訊扣叮Python實驗室：Jupyter Lab使用說明 196

查看全部↓

前言/序言

新一代人工智能的崛起深刻影響著國際競爭格局，人工智能已經(jīng)成為推動國家與人類社會發(fā)展的重大引擎。2017年，國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，其中明確指出：支持開展形式多樣的人工智能科普活動，鼓勵廣大科技工作者投身人工智能的科普與推廣，全面提高全社會對人工智能的整體認知和應用水平。實施全民智能教育項目，在中小學階段設(shè)置人工智能相關(guān)課程，逐步推廣編程教育，鼓勵社會力量參與寓教于樂的編程教學軟件、游戲的開發(fā)和推廣。
為了貫徹落實《新一代人工智能發(fā)展規(guī)劃》，國家有關(guān)部委相繼頒布出臺了一系列政策。截至2022年2月，全國共有440所高校設(shè)置了人工智能本科專業(yè)、387所普通高等學校高等職業(yè)教育（專科）設(shè)置人工智能技術(shù)服務專業(yè)，一些高校甚至已經(jīng)在積極探索人工智能跨學科的建設(shè)。在高中階段，“人工智能初步”已經(jīng)成為信息技術(shù)課程的選擇性必修內(nèi)容之一。在2022年實現(xiàn)“從0到1”突破的義務教育階段信息科技課程標準中，明確要求在7—9年級需要學習“人工智能與智慧社會”相關(guān)內(nèi)容。實際上，1—6年級階段的不少內(nèi)容也與人工智能關(guān)系密切，是學習人工智能的基礎(chǔ)。
人工智能是一門具有高度交叉屬性的學科，筆者認為其交叉性至少體現(xiàn)在三個方面：行業(yè)交叉、學科交叉、學派交叉。在大數(shù)據(jù)、算法、算力三駕馬車的推動下，新一代人工智能已經(jīng)逐步開始賦能各個行業(yè)，現(xiàn)在幾乎沒有哪一個行業(yè)不涉及人工智能有關(guān)元素。人工智能也在助力各學科的研究。近幾年，Nature等頂級刊物不斷刊發(fā)人工智能賦能學科的文章，如人工智能數(shù)學、化學、生物、考古、設(shè)計、音樂以及美術(shù)等的結(jié)合。人工智能內(nèi)部的學派也在不斷交叉融合，像知名的AlphaGo，就是