人工智能原理与应用教程

本书重点梳理了人工智能基础理论知识体系，编撰突出基础性、全面性、前沿性和实践性特点，以机器学习和优化方法基本原理为主线，结合典型工程应用循序渐进地为读者构建从“0”到“1”的知识体系，指引读者快速上手应用系统开发环境、掌握开发方法。针对传统人工智能教材缺乏数学原理与模型代码即刻印证的问题，本书给出了人工智能基础理论深入浅出的描述，选用精简的案例呈现模型代码，带领读者轻松快速掌握核心思想。本书每章配有一定量的思考题和习题，可以作为机电类本科生、研究生入门级教材和教学参考书，同时也可供工程技术人员自学使用和对人工智能知识有兴趣的读者参详。本书作为交大本科生、研究生教材，估计年均用量约500本，并可以推广至科研工作者用书。

贡亮，上海交通大学副教授、博士生导师。主要研究方向为服务与特种机器人理论与技术，在人工智能、机器人领域持有国内、国际发明专利50余项，发表论文近100篇。现任上海交通大学“钱学森班”科创导师、上海交通大学-巴黎高科卓越工程师学院客座导师、上海交通大学“创新创业计划”导师，提出了机电控制课程“三元融合”教学法，，并多次荣获上海交通大学教学成果奖。

原理篇 第1章 人工智能概述 1.1 人工智能的概念 1.1.1 什么是智能 1.1.2 人工智能和智能 1.2 人工智能的起源和发展 1.2.1 人工智能简史 1.2.2 三大学派的比较 1.3 人工智能的生态设施 1.3.1 万物互联的智慧网络——物联网 1.3.2 数字化的云端力量——云计算 1.3.3 海量数据的处理分析——大数据 113.4 去中心化的信任机制——区块链 1.4 人工智能的软硬件设施 1.4.1 人工智能的软件 1.4.2 人工智能的硬件 1.5 人工智能的关键技术 参考文献 课后作业 第2章 机器学习 2.1 机器学习概述 2.1.1 机器学习的概念 2.1.2 机器学习的研究内容 2.1.3 机器学习的应用前景 2.2 机器学习的常用术语 2.3 机器学习的分类 2.3.1 按学习方式分类 2.3.2 按任务类型分类 2.3.3 按模型类型分类 2.4 机器学习项目的基本流程 2.4.1 明确问题 2.4.2 数据收集和预处理 2.4.3 模型选择和训练 2.4.4 模型评估和优化 2.5 深度学习概述 2.5.1 深度学习的概念 2.5.2 深度学习的起源和发展 2.5.3 深度学习在各领域的应用 2.6 强化学习概述 2.6.1 强化学习的概念 2.6.2 强化学习的基本模型 2.6.3 强化学习的分类 2.6.4 强化学习的方法 2.6.5 强化学习的应用案例 参考文献 课后作业 第3章 数据与特征 3.1 数据与特征概述 3.1.1 什么是数据与特征 3.1.2 特征工程的流程