艾博士(深入浅出人工智能公共课版微课版双色印刷)

本书是一本针对初学者 介绍人工智能基础知识的书 籍。本书采用通俗易懂的语 言讲解人工智能的基本概念 、发展历程和主要方法，内 容涵盖人工智能的核心方法 ，包括什么是人工智能、神 经网络是如何实现的、计算 机是如何学会下棋的、计算 机是如何找到最优路径的、 统计机器学习方法是如何实 现分类与聚类的、专家系统 是如何实现的等，每种方法 都配有例题并给出详细的求 解过程，以帮助读者理解和 掌握算法实质，提高读者解 决实际问题的能力。 此外，本书可以帮助人 工智能的开发人员理解各种 算法背后的基本原理。书中 的讲解方法和示例，有助于 相关课程的教师讲解相关概 念和算法。 总之，这是一本实用性 强、通俗易懂的人工智能入 门教材，适合不同背景的读 者学习和使用。

马少平，清华大学计算机系教授，博世知识表示与推理冠名教授，现任清华大学“天工”智能计算研究院常务副院长，人工智能研究院信息获取研究中心主任，中国人工智能学会副监事长，中国中文信息学会副理事长，长期从事智能信息处理工作，在信息检索、推荐系统方面取得了优秀成果。同时，马少平教授从事人工智能导论的教学工作长达20多年，在人工智能教育领域有丰富经验。

第0篇 什么是人工智能 0.1 人工智能的诞生 0.2 人工智能的5个发展时代 0.2.1 初期时代 0.2.2 知识时代 0.2.3 特征时代 0.2.4 数据时代 0.2.5 大模型时代 0.3 人工智能的定义 0.4 图灵测试与中文屋子问题 0.4.1 图灵测试 0.4.2 中文屋子问题 0.5 第三代人工智能 0.6 总结 第1篇 神经网络是如何实现的 1.1 从数字识别谈起 1.2 神经元与神经网络 1.3 神经网络是如何训练的 1.4 卷积神经网络 1.5 梯度消失问题 1.6 过拟合问题 1.7 深度学习框架 1.8 总结 第2篇 计算机是如何学会下棋的 2.1 能穷举吗？ 2.2 极小-极大模型 2.3 a-B剪枝算法 2.4 蒙特卡洛树搜索 2.5 AlphaGo是如何下棋的 2.6 总结 第3篇 计算机是如何找到最优路径的 3.1 路径搜索问题 3.2 宽度优先搜索算法 3.3 迪杰斯特拉算法 3.4 启发式搜索 3.4.1 A算法 3.4.2 A\"算法 3.4.3 定义h函数的一般原则 3.5 深度优先搜索算法 3.6 动态规划与Viterbi算法 3.7 总结 第4篇 统计机器学习方法是如何实现分类与聚类的 4.1 统计学习方法 4.2 朴素贝叶斯方法 4.3 决策树 4.3.1 决策树算法——ID3算法 4.3.2 决策树算法——C4.5算法 4.4 k近邻方法 4.5 支持向量机 4.5.1 什么是支持向量机 4.5.2 线性可分支持向量机 4.5.3 线性支持向量机 4.5.4 非线性支持向量机 4.5.5 核函数与核方法 4.5.6 支持向量机用于多分类问题 4.6 k均值聚类算法 4.7 层次聚类算法 4.8 验证与测试问题 4.9 总结 第5篇 专家系统是如何实现的 5.1 什么是专家系统 5.2 推理方法 5.3 一个简单的专家系统 5.4 非确定性推理 5.4.1 事实的表示 5.4.2 规则的表示 5.4.3 逻辑运算 5.4.4 规则运算 5.4.5 规则合成 5.5 专家系统工具 5.6 专家系统的应用 5.7 专家系统的局限性 5.8 总结