作品简介

本书在写作伊始,就把读者设想为一位虽然没有任何AI基础,但对技术本身抱有浓厚兴趣、喜欢“抽丝剥茧”、探究真相的“有识之士”。有别于市面上部分AI技术书籍从一开始就直接讲解各种“高深莫测”算法的叙述手法,本书尝试先从零开始构建基础技术点,而后“循序渐进”地引领读者前进,最终“直捣黄龙”,赢取最后的胜利。

全书据此分为5篇,共31章,内容基本覆盖了由AI发展历史、数学基础知识、机器学习算法等经典知识点以及深度学习、深度强化学习等较新理论知识所组成的AI核心技术。同时注重“理论联系实践”,通过多个章节重点介绍了如何在工程项目中运用AI来解决问题的诸多经验以及相应的模型算法,以期让读者既能享受到“知其所以然”的乐趣,还能体会到“知其然”的轻松和愉悦。本书适合对AI感兴趣的读者阅读,从事AI领域工作的研究人员、工程开发人员、高校本科生和研究生都可以从本书中学到机器学习的相关知识。

林学森,香港中文大学研究生学历,现为某世界100强科技公司首席技术专家、资深架构师。在系统软件、人工智能、软件工具链、分布式系统等领域具备多年的技术研发与项目管理经验。另著有《深入理解Android内核设计思想》《Android应用程序开发权威指南》等书籍。

作品目录

  • 内容简介
  • 作者简介
  • 前言
  • 机器学习基础知识篇
  • 第1章 人工智能概述
  • 第2章 机器学习中的数学基础
  • 第3章 机器学习模型的度量指标
  • 经典机器学习篇
  • 第4章 回归算法
  • 第5章 K-NN算法
  • 第6章 k-means
  • 第7章 朴素贝叶斯
  • 第8章 决策树和随机森林
  • 第9章 支持向量机
  • 第10章 PCA降维
  • 第11章 集成学习
  • 深度学习进阶篇
  • 第12章 深度神经网络
  • 第13章 卷积神经网络
  • 第14章 RNN与LSTM
  • 第15章 深度强化学习
  • 第16章 MCTS
  • 机器学习应用实践及相关原理
  • 第17章 数据集的建设
  • 第18章 CNN训练技巧
  • 第19章 CV和视觉识别经典模型
  • 第20章 自然语言处理和CNN
  • 第21章 自然语言处理和CNN
  • 第22章 软件自动修复
  • 第23章 基于强化学习的经典应用——AlphaGO
  • 机器学习平台篇
  • 第24章 分布式机器学习框架基础知识
  • 第25章 Tensorflow
  • 第26章 Caffe
  • 第27章 scikit-learn
  • 第28章 主流AI云平台
  • 第29章 图像处理基础
  • 第30章 程序切片技术
  • 第31章 人工智能概述
  • 参考文献
展开全部