新書推薦：
《
助人技术本土化的刻意练习
》
售價：HK$
87.9
《
中国城市科创金融指数·2024
》
售價：HK$
107.8
《
你想活出怎样的人生：摆渡船上的人生哲学
》
售價：HK$
65.9
《
中国历代户口、田地、田赋统计——梁方仲著作集
》
售價：HK$
148.5
《
反乌合之众——跳出羊群，逆向获利
》
售價：HK$
76.8
《
帝国作为装饰品：英国人眼中的大英帝国（帝国与国际法译丛）
》
售價：HK$
86.9
《
AI芯片应用开发实践：深度学习算法与芯片设计
》
售價：HK$
75.9
《
世界之中（文明三部曲之后，亚洲图书奖得主张笑宇充满想象力的重磅新作）
》
售價：HK$
86.9
|
| 編輯推薦： |
AI技能树要点无一遗漏，既可用来索引原理、源码和实践；浓缩机器学习核心要义，更可一本参透未来智能应用。
将很多人挡在人工智能门外的往往是数学，本书史无前例引入学习AI必不可少的数学基础，深入浅出，潜移默化。
全景式描绘人工智能应用的演进历程|未来趋势，着重剖析视觉|语音|对话系统|机器翻译的技术要旨和美好前景。
作者左持生花妙笔，右揽高超授课技艺，化抽象玄奥于俗事常理，赏读纸上奇趣与华美文字间不觉功力突飞猛进。
|
| 內容簡介： |
|
人工智能是指通过普通计算机程序实现的人类智能技术，这一学科不仅具有非凡的科学意义，对人类自身生存方式的影响也在不断加深。本书作为人工智能领域的入门读物，内容围绕人工智能的核心框架展开，具体包括数学基础知识、机器学习算法、人工神经网络原理、深度学习方法与实例、深度学习之外的人工智能和实践应用场景等模块。本书力图为人工智能初学者提供关于这一领域的全面认识，也为进一步的深入研究奠定坚实的基础。
|
| 關於作者： |
王天一，北京邮电大学工学博士，在读期间主要研究方向是连续变量量子通信理论与系统，主持并参与了多项重要级别的科研项目，以主要作者身份发表了5篇SCI文章。
现任贵州大学大数据与信息工程学院副教授，极客时间专栏作者，主要研究方向是大数据与人工智能，研究内容包括以物联网为基础的大数据应用及神经网络与机器学习。著有《人工智能革命》一书。
|
| 目錄：
|
目录
第1 篇 数学基础 1
1 九层之台，起于累土：线性代数 2
2 月有阴晴圆缺，此事古难全：概率论 9
3 窥一斑而知全豹：数理统计 18
4 不畏浮云遮望眼：最优化方法 26
5 万物皆数，信息亦然：信息论 33
6 明日黄花迹难寻：形式逻辑 41
第2 篇 机器学习 51
7数山有路，学海无涯：机器学习概论 52
8 简约而不简单：线性回归 60
9 大道至简：朴素贝叶斯方法 68
10 衍化至繁：逻辑回归 75
11 步步为营，有章可循：决策树 82
12 穷则变，变则通：支持向量机 89
13 三个臭皮匠，赛过诸葛亮：集成学习 97
14 物以类聚，人以群分：聚类分析 104
15 好钢用在刀刃上：降维学习 111
第3 篇 人工神经网络 119
16 道法自然，久藏玄冥：神经网络的生理学背景 120
17 一个青年才俊的意外死亡：神经元与感知器 126
18 左手信号，右手误差：多层感知器 134
19 各人自扫门前雪：径向基函数神经网络 142
20 看不见的手：自组织特征映射 149
21 水无至清，人莫至察：模糊神经网络 156
第4 篇 深度学习 163
22 空山鸣响，静水流深：深度学习概述 164
23 前方有路，未来可期：深度前馈网络 170
24 小树不修不直溜：深度学习中的正则化 177
25 玉不琢不成器：深度学习中的优化 185
26 空竹里的秘密：自编码器 192
27 困知勉行者勇：深度强化学习 200
第5 篇 神经网络实例 207
28 枯木逢春：深度信念网络 208
29 见微知著：卷积神经网络 214
30 昨日重现：循环神经网络 221
31 左右互搏：生成式对抗网络 228
32 三重门：长短期记忆网络 235
第6 篇 深度学习之外的人工智能 243
33 一图胜千言：概率图模型 244
34 乌合之众的逆袭：集群智能 253
35 授人以鱼不如授人以渔：迁移学习 260
36 滴水藏海：知识图谱 267
第7 篇 应用场景 273
37 你是我的眼：计算机视觉 274
38 嘿，Siri：语音处理 280
39 心有灵犀一点通：对话系统 286
40 数字巴别塔：机器翻译 292
参考文献 299
|
| 內容試閱：
|
前言
欢迎阅读《裂变：秒懂人工智能的基础课》 ！
作为一门交叉学科，人工智能涉及纷繁的基础知识，难免让初学者有一头雾水之感。虽然眼下关于人工智能和机器学习的专著汗牛充栋，但这些著作要么专注于艰深的理论，要么偏重于代码的实现，在基础与进阶的衔接处理上则略嫌草率。正因如此，本书希望为人工智能的入门者提供对这一学科的初步认识和基础知识，从而为深入的钻研做好准备。出于可读性的考虑，本书尽可能地减少复杂数学公式的使用，力图以通俗的语言解释清楚公式背后的道理，在数学细节之外先建立起原理与概念的框架，以了解整个领域的概貌。
人工智能的早期发展遵循的是符号主义学派的路径，但狭窄的应用领域让它在短暂的辉煌之后迅速走向沉寂。吸取了符号主义学派的教训，连接主义学派以工程技术手段模拟人脑神经系统的结构和功能。这种思路在一定程度上实现了人脑形象思维，也带来了今天人工智能的核心技术。正因如此，本书在内容安排上将围绕机器学习与神经网络等核心概念展开，并结合当下火热的深度学习技术，勾勒出人工智能发展的基本轮廓与主要路径。结合人工智能发展的历史与趋势，本书内容包含以下几个模块。
? 数学基础。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。这一模块覆盖了人工智能必备的数学基础知识，包括线性代数、概率论、最优化方法等。
? 机器学习。机器学习的作用是从数据中习得学习算法，进而解决实际的应用问题，是人工智能的核心内容之一。这一模块覆盖了机器学习中的主要方法，包括线性回归、决策树、支持向量机、聚类等。
? 人工神经网络。作为机器学习的一个分支，神经网络将认知科学引入机器学习中，以模拟生物神经系统对真实世界的交互反应，并取得了良好的效果。这一模块覆盖了神经网络中的基本概念，包括多层神经网络、前馈与反向传播、自组织神经网络等。
? 深度学习。简而言之，深度学习就是包含多个中间层的神经网络，数据爆炸和计算力飙升推动了深度学习的崛起。这一模块覆盖了深度学习的概念与实现，包括深度前馈网络、深度学习中的正则化、自编码器等。
? 神经网络实例。在深度学习框架下，一些神经网络已经被用于各种应用场景，并取得了不俗的效果。这一模块覆盖了几种神经网络实例，包括深度信念网络、卷积神经网络、循环神经网络等。
? 深度学习之外的人工智能。深度学习既有优点也有局限，其他方向的人工智能研究正是有益的补充。这一模块覆盖了与深度学习无关的典型学习方法，包括概率图模型、集群智能、迁移学习、知识图谱等。
? 应用场景。除了代替人类执行重复性的劳动，在诸多实际问题的处理中，人工智能也提供了有意义的尝试。这一模块覆盖了人工智能技术在几类实际任务中的应用，包括计算机视觉、语音处理、对话系统等。
本书脱胎于作者在极客邦科技的极客时间 App 上所开设的专栏《人工智能基础课》。在专栏的打磨过程中，极客邦科技的郭蕾和李佳给予了极大的帮助；在本书的出版过程中，电子工业出版社的张春雨和刘恩惠付出了辛勤的劳动。在此谨向极客邦科技和电子工业出版社两个优秀的平台，以及所有相关工作人员一并表示诚挚的感谢。
由于作者才疏学浅，书中错漏之处在所难免，在此谨请广大读者批评指正，不吝赐教。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
