人工智能与机器学习实训教程(初级)

本书撰写的初衷，是为“ 人工智能与机器学习”课程 提供翔实的实训项目指导。 本书凝练了西南交通大学电 气工程学院关于人工智能大 量的研究工作，通过对热点 AI项目复现、轨道交通项目 实训等课程，让学生更好地 感受人工智能广阔范畴下各 种算法的优缺点、思想和概 念，使原本很抽象晦涩的数 学问题变得直观、生动。 本书设计的主旨是服务 于计算机专业之外的广大工 科学生，通过丰富的应用案 例和实际动手实践，普及人 工智能技术的基本原理和应 用技术。本书特别针对于轨 道交通领域的实践需求，着 重于培养学生动手解决实际 工程问题的能力。本书所涉 及实验皆在Jupyter Notebook环境中执行，力 求书面和实验内容一致。本 书内容主要划分六个部分： 第一部分包括第1章～第 3章，介绍实验的准备工作 ，主要包括Python语言、 Anaconda发行版、Jupyter Notebook交互式计算环境 、Markdown语法等基础概 念和使用方法。 第二部分包括第4章～第 8章，介绍Python语言及其 科学计算相关库的使用。其 中，科学计算相关库包括 NumPy和SciPy科学计算库 、Matplotlib数据可视化库 、Pandas数据分析工具和 SymPy符号运算库等。 第三部分包括第9章～第 14章，介绍以符号主义为代 表的经典人工智能技术，包 括状态空间搜索、图的遍历 、最短路径算法、A*搜索 算法、对抗搜索算法和基于 Ne04J的知识图谱构建。 第四部分包括第15章～ 第21章，介绍以scikit-learn 为基础的机器学习算法。实 验内容包括K-means、PCA 、KNN、线性回归、逻辑回 归、朴素贝叶斯等机器学习 经典算法。 第五部分包括第22章～ 第26章，介绍基于PyTorch 的深度学习框架和应用，包 括张量Tensor的概念和使用 、神经网络的构建和训练及 各种经典的主干网络等。 第六部分包括第27章和 第28章，旨在介绍轨道交通 应用实践中的智能信息处理 问题，引导学生开展面向轨 道交通应用的综合性实践。

第一部分 实验基础 第1章 实验准备 1.1 Python语言 1.2 Anaconda发行版 1.3 工具包（Package） 第2章 Jupyter Notebook 2.1 JupyterNotebook入门 2.2 代码块及其输出 第3章 Markdown语法 3.1 简要说明 3.2 基本语法 3.3 扩展语法 3.4 示例 第二部分 Python科学计算 第4章 Python基础语法 4.1 Python语法简介 4.2 Python基础语法实验 第5章 NumPy数值运算 5.1 Python科学计算函数库 5.2 Numpy高维数组 第6章 Matplotlib数据可视化 6.1 Matplotlib简介 6.2 Matplotlib程序示例 6.3 Matplotlib数据可视化 第7章 Pandas数据分析工具 7.1 实验说明 7.2 实验步骤 第8章 SymPy符号计算 8.1 实验说明 8.2 实验内容 第三部分 经典人工智能 第9章 状态空间搜索 9.1 状态空间表达 9.2 基于Networkx的图算法 第10章 图的遍历 10.1 广度优先搜索 10.2 深度优先搜索 第11章 最短路径算法 11.1 最短路径算法概述 11.2 实际应用 11.3 Dijkstra算法 第12章 A*搜索算法 12.1 工作原理 12.2 其他最短路径算法的区别 12.3 伪代码 12.4 NetworkX的astar算法 第13章 minimax算法及α-β剪枝 13.1 实验说明 13.2 实验内容 第14章 基 Ne04J的知识图谱构建