《深入浅出AI算法 基础概览》吕磊【文字版_PDF电子书_】
书名:深入浅出AI算法:基础概览 作者:吕磊 出版社:电子工业出版社 译者:无 出版日期:2021-7 页数:244 ISBN:9787121415517 |
0.0 豆瓣短评 |
全网资源sm.nayona.cn |
内容简介:
本书从理论到实践,循序渐进地介绍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。本书共有8 章,分别为算法入门、算法之内力、算法之招式、算法之 、算法工程的组成部分、算法工程实战、进阶学习、思考与展望。本书主要讲解算法的历史背景与基本概念、与算法相关的数学基础知识、信息学算法与数据结构的概念与知识点、业界常用的几类机器学习算法模型;本书还会介绍算法工程比较完整的组成部分,以及一个典型的算法工程项目,手把手带领读者体验算法的魅力;此外,本书会介绍人工智能算法的三大研究方向,帮读者迈向进阶学习之路。本书适合从事人工智能应用实践的科研人员和工程技术人员阅读,也适合高等院校计算机科学与技术、人工智能、大数据等相关专业的本科生和研究生阅读。
作者简介:
吕 磊微软(中国)软件工程师。本硕毕业于山东大学计算机科学与技术系,具有多年算法从业经验,曾先后在京东广告部、蚂蚁金服人工智能部、 AWS(中国)的AI产品相关部门从事算法工作,在工业界有着丰富的AI算法落地经验。
目 录:
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 什么是机器学习 7
1.2 如何学习算法 8
1.3 本书结构 9
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 19
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 69
3.2.9 平衡二叉树 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 按学习目标划分 89
4.2 线性回归模型与逻辑回归模型 90
4.2.1 线性回归模型 90
4.2.2 逻辑回归模型 92
4.3 人工神经网络 95
4.3.1 初识人工神经网络 95
4.3.2 深度神经网络 97
4.3.3 卷积神经网络 99
4.3.4 递归神经网络 102
4.3.5 图神经网络 104
4.4 决策树 106
4.4.1 概念与方法 106
4.4.2 剪枝 109
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 119
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
4.9 本章小结 129
关键词回顾 129
第5章 算法工程的组成部分 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 139
5.2 特征工程 141
5.2.1 数据预处理 141
5.2.2 特征分类 142
5.2.3 工程技巧 142
5.3 建模与调参 149
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 神经网络模型 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 特征工程 188
6.4.4 模型训练 189
6.4.5 模型的保存与载入 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 进阶学习 195
7.1 深度学习 196
7.1.1 起源 196
7.1.2 难点与方法 197
7.1.3 经典模型:AlexNet 201
7.2 强化学习 203
7.2.1 起源 203
7.2.2 流派与分类 204
7.2.3 经典案例:AlphaGo 206
7.3 迁移学习 213
7.3.1 简介 213
7.3.2 方法与研究方向 214
7.3.3 经典模型: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 终能做什么 224
8.2.2 人类 终能做什么 224
8.3 本章小结 225
浏览器不支持脚本!
有需要联系v;hx-hx4
摘要:《深入浅出AI算法 基础概览》是一本计算机类的PDF电子书,作者是吕磊。本文将从四个方面对这本书进行详细阐述,包括:算法基础知识、机器学习算法、深度学习算法和自然语言处理算法。通过对这些内容的介绍,读者可以全面了解AI算法的基础概念和应用。最后,文章将对全文进行总结归纳,并附上广告语:“本文由nayona.cn整理”。
1、算法基础知识
《深入浅出AI算法 基础概览》首先介绍了算法的基础知识,包括算法的定义、特性、分类和评价指标等。它帮助读者建立起对算法的基本概念和理解,并为后续的学习打下坚实的基础。此外,书中还介绍了常用的数据结构和算法,如数组、链表、栈、队列、排序算法等,这些内容对于理解和实现AI算法都非常重要。
接下来,书中还介绍了常见的算法思想和技巧,如递归、分治法、动态规划、贪心算法等。通过对这些思想和技巧的学习,读者可以提高解决问题的能力,并能够更好地理解和应用AI算法。
总之,算法基础知识是理解和应用AI算法的基础,本书通过详细的介绍和示例,帮助读者建立起扎实的基础。
2、机器学习算法
机器学习是AI算法中非常重要的一部分,它通过训练数据和模型来实现自主学习和预测能力。《深入浅出AI算法 基础概览》对机器学习算法进行了详细的介绍,包括监督学习、无监督学习和强化学习等。
在监督学习中,书中介绍了常用的分类算法和回归算法,如决策树、支持向量机、朴素贝叶斯、线性回归、逻辑回归等。这些算法可以用于解决分类和回归问题,如垃圾邮件分类、房价预测等。
无监督学习则主要介绍了聚类算法和关联规则挖掘算法,如K均值聚类、DBSCAN聚类、Apriori算法等。这些算法可以用于无标签数据的分组和关联规则的挖掘。
强化学习是一种通过与环境交互来学习最优行动策略的算法,本书对强化学习的基本原理和常用算法进行了介绍,如马尔可夫决策过程、Q-learning、深度强化学习等。
机器学习算法是AI算法中的核心部分,通过对这些算法的学习和实践,读者可以掌握如何利用数据和模型进行预测和决策。
3、深度学习算法
深度学习是近年来在AI领域取得巨大突破的技术,它模拟人脑神经网络的结构和工作原理,通过多层次的神经元网络进行学习和预测。《深入浅出AI算法 基础概览》对深度学习算法进行了详细的介绍。
首先,书中介绍了神经网络的基本原理和结构,包括前馈神经网络、卷积神经网络、循环神经网络等。这些网络结构可以用于不同类型的任务,如图像识别、自然语言处理、语音识别等。
接着,书中介绍了深度学习中的常用算法,如反向传播算法、卷积算法、循环神经网络算法等。这些算法是深度学习中的关键技术,通过对它们的学习和理解,读者可以掌握深度学习的基本原理和应用。
深度学习算法在许多领域都取得了令人瞩目的成果,通过学习本书的内容,读者可以了解深度学习的基本概念和应用,为进一步深入研究和应用打下基础。
4、自然语言处理算法
自然语言处理是AI算法中的一个重要分支,它涉及到对自然语言的理解和处理。《深入浅出AI算法 基础概览》对自然语言处理算法进行了详细的介绍。
首先,书中介绍了自然语言处理中的基本概念和技术,如词向量表示、词性标注、句法分析等。这些技术可以帮助计算机理解和处理自然语言。
接着,书中介绍了自然语言处理中的常用算法,如文本分类、文本生成、机器翻译、问答系统等。这些算法可以用于处理自然语言数据,如新闻文本、社交媒体数据等。
自然语言处理算法在信息检索、机器翻译、情感分析等领域都有广泛的应用。通过学习本书的内容,读者可以了解自然语言处理的基本原理和应用,为进一步研究和应用提供参考。
总结:
《深入浅出AI算法 基础概览》是一本全面介绍AI算法的计算机类书籍。它从算法基础知识、机器学习算法、深度学习算法和自然语言处理算法四个方面进行了详细的阐述。通过学习本书,读者可以全面了解AI算法的基础概念和应用。本文通过对这本书的内容进行介绍和归纳总结,希望能够帮助读者更好地理解和应用AI算法。
本文由nayona.cn整理
本文采摘于网络,不代表本站立场,转载联系作者并注明出处: https://sm.nayona.cn/xinnengyuan/249735.html