人工智能與機(jī)器學(xué)習(xí)（21世紀(jì)通識教育系列教材）
定 價：36 元
叢書名：21世紀(jì)通識教育系列教材
當(dāng)前圖書已被 22 所學(xué)校薦購過！
查看明細(xì)
- 作者：王秋月 覃雄派 趙素云 張靜
- 出版時間：2020/1/1
- ISBN：9787300275819
- 出 版 社：中國人民大學(xué)出版社
- 中圖法分類：TP18
- 頁碼：216
- 紙張：
- 版次：1
- 開本：16
隨著計算機(jī)技術(shù)迅猛地發(fā)展，人工智能與機(jī)器學(xué)習(xí)已經(jīng)滲透到我們?nèi)粘Ｉ畹母鱾�領(lǐng)域。為此，中國人民大學(xué)專門為全校財經(jīng)和人文專業(yè)的學(xué)生開設(shè)了“人工智能與機(jī)器學(xué)習(xí)”課程，本書的所有作者都參與了該門課程的教學(xué)實踐，相互配合，總結(jié)教學(xué)經(jīng)驗，共同打磨而成《人工智能與機(jī)器學(xué)習(xí)》一書。書中通過豐富現(xiàn)實案例的詳細(xì)講解，引導(dǎo)學(xué)生了解各種機(jī)器學(xué)習(xí)模型的基本原理與實踐用法。避開了大量的數(shù)學(xué)模型和復(fù)雜編程知識，讓學(xué)生熟悉當(dāng)下流行的一些機(jī)器學(xué)習(xí)和數(shù)據(jù)處理工具的使用，來解決現(xiàn)實領(lǐng)域遇到的各種數(shù)據(jù)分析和預(yù)測問題。
王秋月，中國人民大學(xué)信息學(xué)院計算機(jī)系講師。主要研究領(lǐng)域是數(shù)據(jù)庫、信息檢索、知識庫的構(gòu)建與應(yīng)用等。她在香港中文大學(xué)取得博士學(xué)位，在德國奧格斯堡大學(xué)做了兩年博士后工作，并于2014年訪問德國馬克斯普朗克計算機(jī)科學(xué)研究所一年。她于2010年至2013年負(fù)責(zé)組織國際信息檢索評測會議INEX中的Data-Centric Track和Linked-Data Track，并擔(dān)任過SIGIR、TKDE等國際會議和雜志的評委，在國內(nèi)外期刊和會議上發(fā)表論文30余篇。主持或參與國家自然科學(xué)基金青年項目、面上項目、重點項目及國家重點研發(fā)計劃項目等多項。
覃雄派，中國人民大學(xué)信息學(xué)院計算機(jī)系副教授。2009年畢業(yè)于中國人民大學(xué)信息學(xué)院，獲得工學(xué)博士學(xué)位。目前主要從事高性能數(shù)據(jù)庫、大數(shù)據(jù)分析、信息檢索等方面的研究工作，主持1項國家自然科學(xué)基金面上項目，參與多項國家“863”計劃、“973”計劃及國家自然科學(xué)基金項目，在國內(nèi)外期刊和會議上發(fā)表論文30余篇。
趙素云，中國人民大學(xué)信息學(xué)院計算機(jī)系副教授。2009年畢業(yè)于香港理工大學(xué)，獲博士學(xué)位。主要研究方向為機(jī)器學(xué)習(xí)，不確定信息處理，以及隱私保護(hù)在數(shù)據(jù)挖掘中的應(yīng)用等。主持國家自然科學(xué)基金項目兩項，并參與國家自然科學(xué)基金重點項目、核高基等多項。現(xiàn)已發(fā)表學(xué)術(shù)論文30余篇（其中SCI檢索論文10余篇）。目前，文章他引次數(shù)合計近1000次。
張靜，中國人民大學(xué)信息學(xué)院計算機(jī)系講師。2016年畢業(yè)于清華大學(xué)計算機(jī)科學(xué)與技術(shù)系，獲博士學(xué)位。研究興趣為數(shù)據(jù)挖掘。發(fā)表多篇數(shù)據(jù)挖掘國際頂級會議與期刊論文，包括TKDE,TKDD, KDD，IJCAI, AAAI等。Google統(tǒng)計論文引用量達(dá)到2000多次。
目錄
第1章人工智能簡介
11什么是人工智能
12人工智能簡史（1956年以前）
13人工智能簡史（1956—1980年）
14人工智能簡史（1980—2010年）
15人工智能簡史（2010年至今）
第2章機(jī)器學(xué)習(xí)簡介
21什么是機(jī)器學(xué)習(xí)
22機(jī)器學(xué)習(xí)分類
第3章Python簡介
31環(huán)境配置
32Python基礎(chǔ)編程
33Numpy
34Matplotlib
35Pandas
第4章K近鄰
41什么是K近鄰
42如何度量距離或者相似性
43數(shù)據(jù)縮放
44選擇合適的K值
45Scikitlearn KNN分類器介紹
46案例一：鳶尾花分類
第5章模型選擇
51偏差與方差
52訓(xùn)練集與測試集
53交叉驗證
54案例二：鳶尾花分類（案例一續(xù)）
第6章線性回歸
61什么是線性回歸
62損失函數(shù)
63增加多項式特征
64正則化
65超參數(shù)調(diào)優(yōu)
66案例三：波士頓房價預(yù)測
第7章邏輯回歸
71什么是邏輯回歸
72決策邊界
73損失函數(shù)
74線性回歸和邏輯回歸的異同
75多分類
76案例四：泰坦尼克號乘客生還預(yù)測
第8章分類評價指標(biāo)
81混淆矩陣
82查準(zhǔn)率與查全率、F1分?jǐn)?shù)
83ROC曲線和AUC
84多分類評價指標(biāo)
85案例五：泰坦尼克號乘客生還預(yù)測（案例四續(xù)）
第9章樸素貝葉斯
91貝葉斯定理
92樸素貝葉斯分類器
93不同的樸素貝葉斯模型
94文本分類
95案例六：垃圾郵件識別
第10章支持向量機(jī)
101什么是支持向量機(jī)
102核函數(shù)
103支持向量機(jī)的參數(shù)優(yōu)化
104案例七：垃圾郵件識別（案例六續(xù)）
105總結(jié)
第11章決策樹
111什么是決策樹
112構(gòu)建決策樹
113修剪決策樹
114決策樹的優(yōu)缺點和使用方法
115案例八：泰坦尼克號乘客生還預(yù)測
第12章集成學(xué)習(xí)
121袋裝
122提升
123堆疊
124案例九：泰坦尼克號乘客生還預(yù)測（案例八續(xù)）
第13章聚類
131什么是聚類
132Kmeans算法
133聚類結(jié)果的評價
134不同的距離指標(biāo)
135聚合式層次聚類
136案例十：商場客戶聚類
第14章深度學(xué)習(xí)
141深度學(xué)習(xí)發(fā)展簡史
142多層感知器
143損失函數(shù)
144優(yōu)化算法：反向傳播算法
145案例十一：手寫數(shù)字識別
146深度學(xué)習(xí)技巧
147卷積神經(jīng)網(wǎng)絡(luò)
148案例十二：圖像識別
第15章Kaggle競賽
151Kaggle平臺簡介
152Kaggle競賽簡介
153Kaggle競賽案例分析：泰坦尼克號乘客生還預(yù)測
書單推薦
