| 作者 |
| [美]道格·罗斯(Doug Rose) |
| 丛书名 |
| 智能系统与技术丛书 |
| 出版社 |
| 机械工业出版社 |
| ISBN |
| 9787111691778 |
| 简要 |
| 简介 |
| 内容简介书籍计算机书籍 本书分为四个部分。第1部分简单概述人工智能。第2部分对概述进行扩展，并加深读者对机器学习的理解。第3部分涉及神经网络，即计算机通过使用相互连接的多层人工神经元层来模拟人脑的结构和功能。第4部分介绍一些使用人工智能辅助商业的常用工具。 |
| 目录 |
| 译者序 序 前言 致谢 第一部分 思考的机器：人工智能概述 第1章 什么是人工智能 2 1.1 什么是智能 3 1.2 测试机器的智能 5 1.3 解决问题的一般方法 7 1.4 强人工智能与弱人工智能 10 1.5 人工智能规划 12 1.6 学习胜过记忆 14 1.7 本章小结 16 第2章 机器学习的兴起 18 2.1 机器学习的实际应用 21 2.2 人工神经网络 23 2.3 感知机的兴衰 26 2.4 大数据时代来临 29 2.5 本章小结 32 第3章 聚焦最佳方法 33 3.1 专家系统与机器学习 33 3.2 监督学习与无监督学习 35 3.3 误差反向传播 37 3.4 回归分析 39 3.5 本章小结 41 第4章 通用人工智能应用 42 4.1 智能机器人 43 4.2 自然语言处理 45 4.3 物联网 47 4.4 本章小结 48 第5章 让大数据插上人工智能的翅膀 50 5.1 理解大数据的基本概念 51 5.2 与数据科学家合作 52 5.3 机器学习与数据挖掘的区别 52 5.4 从数据挖掘到机器学习的飞跃 53 5.5 采用正确的方法 54 5.6 本章小结 56 第6章 权衡你的选择 58 第二部分 机器学习 第7章 什么是机器学习 64 7.1 机器怎么学习 68 7.2 处理数据 70 7.3 应用机器学习技术 73 7.4 学习的类型介绍 75 7.5 本章小结 78 第8章 机器学习的范式 79 8.1 监督机器学习 79 8.2 无监督机器学习 82 8.3 半监督机器学习 84 8.4 强化学习 86 8.5 本章小结 88 第9章 主流机器学习算法 89 9.1 决策树 93 9.2 k最近邻算法 95 9.3 k均值聚类 98 9.4 回归分析 101 9.5 朴素贝叶斯 103 9.6 本章小结 106 第10章 机器学习算法应用 107 10.1 利用算法模型拟合数据 110 10.2 选择算法 112 10.3 集成建模 112 10.4 决定机器学习范式 115 10.5 本章小结 115 第11章 几个建议 117 11.1 开始提问 117 11.2 不要混用训练数据和测试数据 119 11.3 不要夸大模型的精度 119 11.4 了解你的算法 120 11.5 本章小结 120 第三部分 人工神经网络 第12章 什么是人工神经网络 124 12.1 为什么与大脑类比 126 12.2 只是另外一个惊人的算法 126 12.3 了解感知机 128 12.4 采用sigmoid神经元 131 12.5 添加偏置项 133 12.6 本章小结 134 第13章 人工神经网络实战 136 13.1 将数据输入神经网络 136 13.2 隐藏层到底发生了什么 138 13.3 理解激活函数 141 13.4 添加权重 144 13.5 添加偏置项 145 13.6 本章小结 146 第14章 让神经网络开始学习 147 14.1 从随机权重和随机偏置项开始 148 14.2 让神经网络为错误买单：损失函数 149 14.3 结合损失函数和梯度下降法 150 14.4 利用反向传播纠正误差 152 14.5 调优神经网络 156 14.6 使用链式法则 156 14.7 利用随机梯度下降法对训练集批处理 158 14.8 本章小结 159 第15章 利用神经网络进行聚类和分类 160 15.1 求解分类问题 161 15.2 求解聚类问题 163 15.3 本章小结 165 第16章 关键挑战 166 16.1 获取足够多的高质量数据 166 16.2 隔离训练数据与测试数据 168 16.3 谨慎选择你的训练数据集 168 16.4 采取探索性的方法 169 16.5 选择正确的工具解决问题 169 16.6 本章小结 169 第四部分 人工智能实践 第17章 利用自然语言处理的威力 172 17.1 利用自然语言理解技术从文本和语音中提取线索 174 17.2 利用自然语言生成技术提供合理的反馈 175 17.3 客户服务的自动化 177 17.4 梳理主流的自然语言处理工具和资源 179 17.4.1 自然语言理解工具 180 17.4.2 自然语言生成工具 181 17.5 本章小结 183 第18章 客户互动自动化 184 18.1 选择自然语言技术 186 18.2 梳理构建聊天机器人及虚拟代理的主流工具 187 18.3 本章小结 189 第19章 提升基于数据的决策 190 19.1 在自动化决策和基于直觉的决策中做出选择 192 19.2 从物联网设备实时收集数据 193 19.3 梳理自动化决策工具 194 19.4 本章小结 196 第20章 利用机器学习预测事件及结果 197 20.1 机器学习是关于数据标记的技术 198 20.2 看看机器学习能够做什么 200 20.2.1 预测客户会购买什么 200 20.2.2 在被问之前回答问题 200 20.2.3 让决策更好更快 202 20.2.4 在商业中复制专业知识 203 20.3 利用你的能力做好事而不是作恶：机器学习伦理 204 20.4 梳理主流的机器学习工具 206 20.5 本章小结 208 第21章 构建人工智能系统 210 21.1 区分智能化和自动化 212 21.2 在深度学习中增加层 213 21.3 人工神经网络应用 214 21.3.1 将优质客户分类 215 21.3.2 商店布局推荐 216 21.3.3 分析及跟踪生物特征 217 21.4 梳理主流深度学习工具 218 21.5 本章小结 220 |