人工智能基础与实践(高中版)

第一章，我们企图用非常有限的篇幅，让学生了解人工智能的发展历史，现实意义和未来的广阔应用；第二章，介绍Python语言基础；第三章，重点介绍几种简单常用的智能计算方法；第四章，介绍经典机器，学习编程方法和技巧；第五章，介绍深度学习技术。除介绍算法基础外，第二至第五章都有案例分析和程序实现及代码。

第一章人工智能概论1
1.1引言2
1.1.1人工智能是什么2
1.1.2人工智能的两位奠基人3
1.1.3达特茅斯会议9
1.1.4人工智能发展的历程10
1.1.5关键事件13
1.2身边的人工智能15
1.2.1下棋高手15
1.2.2自动驾驶18
1.2.3机器翻译20
1.2.4图像识别21
1.2.5智能回答24
1.2.6目标检测26
1.3人工智能的发展趋势29
第二章Python语言基础31
2.1Python概述32
2.1.1Python语言简介32
2.1.2Python开发环境搭建33
2.2Python基础语法及运算符38
2.2.1基础语法38
2.2.2变量40
2.2.3运算符40
2.3控制结构42
2.3.1顺序结构42
2.3.2分支结构42
2.3.3循环结构43
2.4数据结构46
2.4.1字符串46
2.4.2列表48
2.4.3元组50
2.4.4字典50
2.5函数的设计与调用51
2.5.1函数的定义与调用51
2.5.2常用函数53
2.5.3标准库与扩展库对象的导入和使用55
第三章智能计算方法57
3.1暴力搜索算法58
3.1.1暴力搜索算法的原理58
3.1.2暴力搜索算法的优点和缺点60
3.2爬山算法63
3.2.1爬山算法的原理64
3.2.2爬山算法的优点和缺点64
3.3模拟退火算法68
3.3.1模拟退火算法的原理69
3.3.2模拟退火算法的优点和缺点70
3.4遗传算法75
3.4.1遗传算法的原理75
3.4.2遗传算法的优点和缺点78
第四章经典机器学习85
4.1小明识数86
4.2机器识数：K最近邻分类算法88
4.2.1K最近邻分类算法的原理88
4.2.2KNN算法的基本步骤89
4.2.3k值对结果的影响90
4.2.4使用KNN算法预测样本的步骤92
4.3支持向量机分类100
4.3.1多类分类问题转化为二分类问题100
4.3.2支持向量机103
4.4机器学习的实用技巧111
4.4.1特征工程111
4.4.2数据标准化118
4.4.3超参数搜索120
4.4.4模型验证121
4.5无监督学习124
4.5.1聚类124
4.5.2降维125
第五章深度学习技术137
5.1人工神经网络138
5.1.1神经元模型139
5.1.2前馈神经网络139
5.2卷积神经网络146
5.2.1卷积层146
5.2.2池化层147
5.2.3典型的卷积网络结构148
5.3循环神经网络153
5.3.1循环神经网络的结构154
5.3.2基础循环神经网络的局限155
5.3.3长短期记忆网络155
5.3.4门控循环单元网络156
5.4小结162
参考文献163
使用说明164