深入浅出AI算法：基础概览
纸质版定价：89.00
出版社：电子工业出版社
版次：1
出版时间：2021年07月
开本：16
作者：吕磊
ISBN编码：9787121415517
本书从理论到实践，循序渐进地介绍了人工智能算法的基础知识，帮助读者敲开人工智能算法之门。本书内容共8章，括算法的背景与基本概念、算法相关的数学基础知识、信息学算法与数据结构相关的概念与知识，以及业界常用的机器学算法。同时，本书还介绍了算法工程的组成分，以及一个典型的算法工程实践项目，手把手带领读者体验算法的魅力。本书还介绍了人工智能算法的三大研究方向，帮助读者迈向AI算法的进学之路。本书每一章的内容采用了“总分总”形式，并且在章节末尾提炼出该章的核心关键词，方便读者进一步查询回顾。其中，第2章~第7章配有若干代表性的思考题，帮助读者巩固章节所学知识。本书适合从事与人工智能相关的工程技术人员和高等院校相关业的学生，以及在AI领域就业一两年以内的职场人士阅读。
目录：
--------------------------------------
第1 章 算法入门 / 1
1.1 打开算法之门 / 2
1.1.1 算法简史 / 2
1.1.2 算法与人工智能 / 5
1.1.3 什么是数据分析 / 6
1.1.4 什么是数据挖掘 / 6
1.1.5 什么是机器学 / 7
1.2 如何学算法 / 8
1.3 本书结构 /
关键词回顾 / 10
第2 章 算法之内力 / 11
2.1 线性代数 / 12
2.1.1 名词解释 / 13
2.1.2 向量和矩阵 / 13
2.2 排列组合 / 1
2.3 高等数学 / 20
2.3.1 导数 / 20
2.3.2 梯度 / 23
2.4 概率与统计 / 23
2.4.1 名词解释 / 23
2.4.2 概率分布 / 26
2.5 #化原理 / 33
2.6 动脑时刻 / 34
2.7 本章小结 / 35
关键词回顾 / 36
第3 章 算法之招式 / 37
3.1 数据结构 / 38
3.1.1 数组与链表 / 38
3.1.2 队列和栈 / 40
3.1.3 树 / 41
3.1.4 图 / 43
3.1.5 散列表 / 45
3.2 基础算法 / 46
3.2.1 排序 / 47
3.2.2 递归与分治 / 55
3.2.3 贪婪算法和动态规划 / 57
3.2.4 搜索 / 60
3.2.5 #短路径 / 61
3.2.6 #小生成树 / 65
3.2.7 树状数组 / 67
3.2.8 线段树 / 6
3.2. ping衡二树 / 72
3.2.10 并查集 / 75
3.2.11 匈牙利算法 / 78
3.3 在线评测系统 / 80
3.3.1 LeetCode / 81
3.3.2 POJ 与ZOJ / 82
3.3.3 Tsinsen / 82
3.4 动脑时刻 / 83
3.5 本章小结 / 83
关键词回顾 / 84
第4 章 算法之 / 85
4.1 类别划分 / 86
4.1.1 按是否有监督信号划分 / 86
4.1.2 按学目标划分 / 8
4.2 线性回归模型与逻辑回归模型 / 0
4.2.1 线性回归模型 / 0
4.2.2 逻辑回归模型 / 2
4.3 人工经网络 / 95
4.3.1 初识人工经网络 / 95
4.3.2 深度经网络 / 97
4.3.3 卷积经网络 / 99
4.3.4 递归经网络 / 102
4.3.5 图经网络 / 104
4.4 决策树 / 106
4.4.1 概念与方法 / 106
4.4.2 剪枝 / 10
4.4.3 梯度提升决策树 / 110
4.4.4 随机森林 / 112
4.5 聚类 / 113
4.5.1 距离度量 / 114
4.5.2 划分聚类 / 115
4.5.3 层次聚类 / 116
4.5.4 密度聚类 / 117
4.5.5 模型聚类 / 11
4.6 贝叶斯分类 / 121
4.6.1 概率基础 / 121
4.6.2 朴素贝叶斯分类 / 124
4.7 支持向量机 / 125
4.8 动脑时刻 / 128
4.本章小结 / 12
关键词回顾 / 12
第5 章 算法工程的组成分 / 133
5.1 数据分析 / 134
5.1.1 宏观把握数据 / 134
5.1.2 微观感受数据 / 137
5.1.3 分析方法 / 13
5.2 征工程 / 141
5.2.1 数据预处理 / 141
5.2.2 征分类 / 142
5.2.3 工程技巧 / 142
5.3 建模与调参 / 14
5.3.1 建模 / 150
5.3.2 调参 / 150
5.4 效果评估 / 151
5.4.1 数据集划分 / 151
5.4.2 评估指标 / 152
5.4.3 直观理解AUC / 155
5.5 模型托管 / 159
5.6 动脑时刻 / 160
5.7 本章小结 / 160
关键词回顾 / 161
第6 章 算法工程实战 / 163
6.1 环境准备 / 164
6.1.1 设备配置 / 164
6.1.2 环境搭建 / 165
6.1.3 开发工具 / 167
6.1.4 基础调试 / 168
6.2 开源算法库 / 170
6.2.1 scikit-learn / 171
6.2.2 TensorFlow / 172
6.3 算法实践 / 174
6.3.1 线性回归模型 / 174
6.3.2 经网络模型 / 179
6.4 工程实战 / 182
6.4.1 数据准备 / 182
6.4.2 数据分析 / 184
6.4.3 征工程 / 188
6.4.4 模型训练 / 189
6.4.5 模型的存与载入 / 190
6.5 算法竞赛介绍 / 191
6.5.1 Kaggle / 191
6.5.2 KDD Cup / 191
6.6 动脑时刻 / 192
6.7 本章小结 / 192
关键词回顾 / 193
第7 章 进学 / 195
7.1 深度学 / 196
7.1.1 起源 / 196
7.1.2 难点与方法 / 197
7.1.3 模型：AlexNet / 201
7.2 强化学 / 203
7.2.1 起源 / 203
7.2.2 流派与分类 / 204
7.2.3 案例：AlphaGo / 206
7.3 迁移学 / 213
7.3.1 简介 / 213
7.3.2 方法与研究方向 / 214
7.3.3 模型：TrAdaBoost / 215
7.4 动脑时刻 / 216
7.5 本章小结 / 217
关键词回顾 / 217
第8 章 思考与展望 / 219
8.1 思考 / 220
8.1.1 人工智能感悟 / 220
8.1.2 万物数据化 / 221
8.2 展望 / 224
8.2.1 人工智能#能做什么 / 224
8.2.2 人类#能做什么 / 224
8.3 本章小结 / 225
