新書推薦：
《
中世纪文明（400-1500年）（格致人文）
》
售價：HK$
141.6
《
女子运动术（维持肌肉是更高级的抗衰！变瘦的同时有效增肌，成为更好的自己！）
》
售價：HK$
69.6
《
你有多敏感，就有多珍贵
》
售價：HK$
70.8
《
独立战争与世界重启：一部新的十八世纪晚期全球史（方尖碑书系）
》
售價：HK$
141.6
《
中国绘画史（第三卷）
》
售價：HK$
357.6
《
德兰修女传：在爱中行走（世界名人名传典藏系列）
》
售價：HK$
60.0
《
抗癌饮食指导
》
售價：HK$
94.8
《
编织大花园.7，趣味十足的时尚编织
》
售價：HK$
82.8
|
| 編輯推薦： |
内容系统全面。以“经典计算机算法-数据挖掘算法-深度学习算法”为主线，算法伪代码与Python程序示例相结合，提供人工智能算法“思想-伪码-分析-实现”四位一体的学习框架。
配套资源丰富。每章基于一个典型案例或经典问题介绍各类算法，给出问题背景、算法伪码和程序示例，匹配了可供读者免费使用的在线编程平台和案例库，也可下载相关资源。
读者覆盖面广。本书为本科生和研究生人工智能算法课程提供教材，教师可根据学生类别、学习目标、课程性质、学分设置等选择不同章节开展教学，也可供相关领域研究和开发人员参考。
|
| 內容簡介： |
|
本书以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，将人工智能算法与Python程序示例相结合，开发了基于Git的在线编程平台和案例库，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架。各章基于一个经典问题或典型例子介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念的传递。 本书分基础篇、提高篇和新技术篇: 基础篇（第1～7章）以分治法、减治法、贪心法、动态规划法、回溯法、分支限界法为代表，介绍经典计算机算法；经典篇（第8～13章）以分类、聚类、异常检测、频繁模式挖掘、链接分析和概率推理算法为代表，介绍数据挖掘算法；新技术篇（第14～18章）以降维、目标检测、问答系统、图分析算法为代表，介绍深度学习算法。 本书内容的学习，需读者具有计算机程序设计和数据结构的基础知识，以及使用开源平台的基本能力。 本书可作为计算机和电子信息类相关专业本科生、研究生、职校生的算法、人工智能或机器学习等相关课程的教材或主要参考书，也可作为人工智能相关领域研究和开发人员的参考书。教师可根据学生类别、课程性质、学分设置和学习目标等选择不同篇（或章）进行讲解。
|
| 目錄：
|
第1章算法设计与分析基础3
1.1概述3
1.2算法的基本概念3
1.3算法效率分析5
1.3.1渐进时间的概念5
1.3.2渐进时间的符号6
1.3.3渐进符号的性质7
1.4算法的最坏和平均情况分析8
1.5算法运行时间估计9
1.6小结11
习题11
第2章分治法13
2.1分治法概述13
2.2合并排序14
2.3Python程序示例19
2.4小结20
习题20
第3章减治法22
3.1减治法概述22
3.2拓扑排序24
3.3Python程序示例27
3.4小结27
习题28
第4章贪心法29
4.1贪心法概述29
4.2哈夫曼编码30
4.2.1前缀码31
4.2.2算法步骤31
4.2.3算法正确性证明32
4.3Python程序示例34
4.4小结35
习题35
第5章动态规划法37
5.1动态规划概述37
5.201背包问题38
5.2.1最优子结构性质38
5.2.2递推式39
5.2.3算法步骤39
5.3Python程序示例43
5.4小结44
习题44
第6章回溯法46
6.1回溯法概述46
6.2n后问题的回溯算法48
6.2.1问题描述48
6.2.2算法步骤48
6.3Python程序示例51
6.4小结52
习题52
第7章分支限界法53
7.1分支限界法概述53
7.201背包问题的分支限界算法55
7.2.1广度优先搜索分支限界算法55
7.2.2优先队列式分支限界算法57
7.3Python程序示例60
7.4小结62
习题63
提高篇数据挖掘算法
第8章分类算法67
8.1分类算法概述67
8.2决策树67
8.2.1基本概念68
8.2.2构造算法68
8.2.3分类规则的提取71
8.3支持向量机71
8.3.1基本概念72
8.3.2训练算法72
8.3.3核函数75
8.4贝叶斯分类75
8.4.1基本思想76
8.4.2朴素贝叶斯分类算法77
8.5Python程序示例79
8.6小结85
思考题86
第9章聚类算法87
9.1聚类算法概述87
9.2k均值算法89
9.2.1基本思想89
9.2.2算法步骤90
9.3基于MapReduce的k均值并行聚类算法91
9.3.1基本思想91
9.3.2算法步骤91
9.4Python程序示例93
9.5小结95
思考题96
第10章异常检测算法97
10.1异常检测概述97
10.2局部异常因子算法97
10.2.1基本思想98
10.2.2算法步骤100
10.3基于聚类的局部异常因子算法103
10.3.1基本思想103
10.3.2算法步骤103
10.4Python程序示例107
10.5小结111
思考题112
第11章频繁模式挖掘算法113
11.1频繁模式挖掘概述113
11.2Apriori算法114
11.2.1基本概念114
11.2.2基本思想115
11.2.3算法步骤116
11.2.4关联规则的生成118
11.3Python程序示例119
11.4小结121
思考题122
第12章链接分析算法123
12.1链接分析概述123
12.2PageRank算法124
12.2.1基本思想124
12.2.2算法步骤125
12.3基于MapReduce的PageRank算法127
12.3.1基本思想127
12.3.2算法步骤128
12.4Python程序示例130
12.5小结131
思考题131
第13章概率推理算法132
13.1概率推理概述132
13.2贝叶斯网的构建133
13.2.1基本概念133
13.2.2学习算法133
13.3基于贝叶斯网的概率推理138
13.3.1精确推理算法138
13.3.2近似推理算法141
13.4Python程序示例143
13.5小结148
思考题148
新技术篇深度学习算法
第14章人工神经网络和深度学习概述153
14.1人工神经网络153
14.1.1神经元模型153
14.1.2感知机154
14.1.3多层神经网络156
14.2深度学习159
14.3小结160
思考题161
第15章降维算法162
15.1降维算法概述162
15.2自编码器概述163
15.2.1自编码器164
15.2.2自编码器的改进166
15.3变分自编码器168
15.4生成对抗网络171
15.5Python程序示例174
15.6小结182
思考题183
第16章目标检测算法184
16.1目标检测算法概述184
16.2卷积神经网络185
16.2.1模型结构185
16.2.2模型训练和预测187
16.3YOLO算法190
16.4Python程序示例194
16.5小结197
思考题198
第17章问答系统算法199
17.1问答系统概述199
17.2面向问答系统的深度学习算法200
17.2.1循环神经网络200
17.2.2长短期记忆网络203
17.3基于LSTM的问答系统构建207
17.4Python程序示例210
17.5小结216
思考题217
第18章图分析算法218
18.1图分析概述218
18.2图神经网络219
18.3基于图卷积网络的图节点分类220
18.4Python程序示例224
18.5小结227
思考题227
附录A在线编程平台和案例库使用指南228
参考文献233
|
| 內容試閱：
|
算法、数据和算力，是人工智能的“三大基石”，算法的优劣直接决定人工智能水平的高低，算法是人工智能项目的“灵魂”，人工智能的本质是算法。从计算机和电子信息类相关专业人才培养的角度，算法设计、分析、实现和应用的能力，是各个层次的专业人才都需具备的核心能力，是程序设计与实践创新能力提升的重要基础，反映了学生解决复杂工程问题、应用信息技术对实际问题进行建模和求解的必要素养。
在信息技术领域专业人才培养的过去、现在和未来，算法始终扮演着核心课程的重要角色。随着互联网、云计算、大数据、人工智能等技术的快速发展和广泛应用，算法的内涵不断演进，外延日益丰富，对算法课程的教学内容和教学模式提出了新的要求。培养学生解决复杂工程问题能力的迫切需求与算法课程的内容设置和教学模式之间，仍存在算法设计和编程实现衔接不够紧密、教学预期成效与学生能力达成不够契合、不同学习阶段算法知识的系统性不够清晰等方面的矛盾。
以计算为中心转变到以数据为中心，是当代计算机发展过程中发生的深刻变化。一方面，人工智能时代算法知识的学习，需要以传统的计算机算法为基础来建立算法设计与分析的基本理念，并面向实际中的智能数据分析需求来学习经典的数据挖掘和深度学习算法，把握当代人工智能模型和方法的基本思路。算法设计能力与程序设计能力的提升相辅相成，真正发挥算法在计算机和电子信息类专业人才核心能力培养中的关键作用，是从培养人工智能算法“驾驶员”到“造车人”的重要手段。另一方面，不同层次的读者对人工智能算法知识的需求也有很大差异，并不存在通用的学习模式、面面俱到的学习内容、一成不变的学习方法；算法理念、设计技巧、实现技术，是希望通过学习获得的最有价值的内容。
围绕以上背景和目标，既要保证人工智能算法知识体系的完整性和系统性，也要保证知识讲解从易到难和从简到繁，不陷入同一类算法的重复应用。本书聚焦智能数据分析任务，以“经典计算机算法—数据挖掘算法—深度学习算法”为主线，以算法伪码与包括核心代码的Python程序示例相结合的方式，旨在构建人工智能算法“思想—伪码—分析—实现”四位一体的知识传递和学习框架，达到举一反三、触类旁通的效果，培养学生的算法思维和工程能力。本书基于一个典型例子或经典问题介绍各类算法，给出问题背景、算法伪码和程序示例，注重算法设计与分析理念的传递，而不陷入技术的细节。
本书内容分3篇: 基础篇、提高篇和新技术篇。
基础篇介绍经典计算机算法，具体包括第1章的算法设计与分析基础、第2章的分治法、第3章的减治法、第4章的贪心法、第5章的动态规划法、第6章的回溯法、第7章的分支限界法。
提高篇介绍数据挖掘算法，具体包括第8章的分类算法、第9章的聚类算法、第10章的异常检测算法、第11章的频繁模式挖掘算法、第12章的链接分析算法、第13章的概率推理算法。
新技术篇介绍深度学习算法，具体包括第14章的人工神经网络和深度学习概述、第15章的降维算法、第16章的目标检测算法、第17章的问答系统算法、第18章的图分析算法。
作者提供了算法执行过程的演示动画，读者可扫描封底刮刮卡注册后再扫描书中二维码观看。此外，作者开发了基于Git的在线编程平台和案例库（https://case.artificialintelligencealgorithm.site/），基于GitHub开源项目托管平台、GitPod在线开发环境和VS Code编辑器，给出便于教师和学生使用、Python语言编写的在线案例（包括示例程序和自测练习），将算法的在线编程、自动测试、开源托管和持续集成无缝对接，可供本书读者免费使用，希望能成为本书内容的有益补充。我们也在不断完善在线案例，希望能在本书的使用过程中不断丰富，为使用本书的读者提供日益丰富的“赠品”。
本书既考虑了人工智能算法在基础、经典和前沿三方面内容的系统性，也考虑了人工智能算法在过去、现在和未来时间轴上技术发展和学习方式演变的延续性；既包括了人工智能算法学习和研究中常用的建模思路和设计技巧，也匹配了可供读者免费使用、基于Git平台的算法在线编程实现和案例库。本书的编写和出版，旨在为计算机和电子信息类相关专业本科生、研究生、职校生的算法、人工智能或机器学习等相关课程提供既能从理论层面理解，也能从实践层面实现人工智能算法的教材，可根据学生类别、课程性质、学分设置和学习目标等选择不同篇或章，也可作为人工智能相关领域研究和开发人员的参考书。
本书在策划和编写过程中，高等学校智能科学与技术/人工智能专业教材编委会专家、华东师范大学周傲英教授和周烜教授、中国科学院计算技术研究所史忠植研究员为本书提出了许多宝贵的意见和建议。清华大学出版社责任编辑张玥老师对本书的编辑出版工作给予了大力的指导和支持，付出了辛勤的劳动。云南大学信息学院、云南省智能系统与计算重点实验室为本书的编写提供了良好的设备和工作环境，云南大学数据与知识工程课题组的十余名教师和研究生给予了很多有益的帮助。在此，谨向每一位关心和支持本书编写工作的各方面人士一并表示衷心的感谢。
由于作者的知识和水平有限，对算法的理解和观点可能不够全面，书中错误和疏漏之处难免，恳请各位专家和读者批评指正，使本书不断改进。
作者
2022年1月
|
|
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
