人工智能導論

前言
二維碼資源清單
第1章 人工智能概述1
知識目標1
思政與素養(yǎng)1
導入案例 手機中的人工智能1
1.1 人工智能基礎知識2
1.1.1 人工智能的定義2
1.1.2 人工智能的分類3
拓展閱讀 奇點來臨？4
1.2 人工智能的起源和發(fā)展5
1.2.1 人工智能的孕育5
1.2.2 圖靈測試與人工智能7
1.2.3 馮·諾依曼體系結構8
1.2.4 人工智能學科的誕生9
1.2.5 人工智能的發(fā)展歷程10
拓展閱讀 幾位人工智能的奠基人11
1.3 人工智能的主要流派及研究領域14
1.3.1 人工智能的主要流派14
1.3.2 人工智能的研究領域15
1.4 人工智能的發(fā)展現(xiàn)狀17
1.4.1 國際人工智能發(fā)展現(xiàn)狀17
1.4.2 我國的人工智能發(fā)展現(xiàn)狀18
1.4.3 “人工智能＋”時代已經來臨18
1.5 人工智能安全22
1.5.1 人工智能的安全的挑戰(zhàn)和機遇22
1.5.2 人工智能安全應用23
1.5.3 人工智能安全治理25
拓展閱讀 馬斯克和扎克伯格的人工智能論戰(zhàn)26
案例賞析27
案例1 無人銀行的全新服務體驗27
案例2 智能試衣間：試衣不煩瑣28
1.6 習題30
第2章 大數(shù)據(jù)與人工智能31
知識目標31
思政與素養(yǎng)31
導入案例 天貓“雙十一”購物節(jié)31
2.1 大數(shù)據(jù)的概念32
2.1.1 什么是大數(shù)據(jù)32
2.1.2 大數(shù)據(jù)的產生32
2.1.3 大數(shù)據(jù)的發(fā)展歷程34
2.1.4 數(shù)據(jù)的量級34
2.2 大數(shù)據(jù)的特征35
2.2.1 大數(shù)據(jù)的數(shù)據(jù)特征35
2.2.2 大數(shù)據(jù)的技術特征36
拓展閱讀 大數(shù)據(jù)到底給貴州帶來了什么？37
2.3 大數(shù)據(jù)下的云計算38
2.3.1 云計算的概念38
2.3.2 云計算的分類39
2.3.3 云計算的服務模式40
2.3.4 云計算的主要技術41
拓展閱讀 阿里云42
2.4 大數(shù)據(jù)、云計算與人工智能43
2.4.1 大數(shù)據(jù)與云計算44
2.4.2 大數(shù)據(jù)與人工智能45
拓展閱讀 “啤酒與尿布”的故事45
2.5 大數(shù)據(jù)分析處理46
2.5.1 大數(shù)據(jù)思維46
2.5.2 大數(shù)據(jù)處理47
2.5.3 大數(shù)據(jù)與人工智能應用48
案例賞析48
案例1 智慧交通48
案例2 智慧電商50
2.6 習題53
第3章 專家系統(tǒng)55
知識目標55
思政與素養(yǎng)55
導入案例 “沃森醫(yī)生”來上海為腫瘤患者看病了55
3.1 專家系統(tǒng)概述56
3.1.1 專家系統(tǒng)的定義56
3.1.2 專家系統(tǒng)的特點57
3.1.3 專家系統(tǒng)的發(fā)展歷程57
3.1.4 專家系統(tǒng)的基本結構58
拓展閱讀 DENDRAL系統(tǒng)研發(fā)團隊60
3.2 知識的表示61
3.2.1 知識的概念61
3.2.2 謂詞邏輯表示法63
3.2.3 產生式表示法65
3.2.4 框架表示法66
3.2.5 語義網(wǎng)絡表示法69
3.2.6 知識圖譜70
拓展閱讀 會寫新聞稿的機器人Dreamwriter73
3.3 搜索技術74
3.3.1 盲目搜索74
3.3.2 啟發(fā)式搜索75
3.3.3 蒙特卡羅樹搜索算法77
拓展閱讀 漢諾塔問題78
3.4 專家系統(tǒng)的開發(fā)79
3.4.1 需求分析79
3.4.2 系統(tǒng)設計80
3.4.3 知識庫構建81
3.4.4 系統(tǒng)開發(fā)與測試82
3.5 專家系統(tǒng)應用82
案例賞析83
案例1 DENDRAL專家系統(tǒng)83
案例2 MYCIN專家系統(tǒng)84
3.6 習題87
第4章 機器學習89
知識目標89
思政與素養(yǎng)89
導入案例 “深藍”大戰(zhàn)國際象棋世界冠軍卡斯帕羅夫89
4.1 機器學習概念90
4.1.1 什么是機器學習90
4.1.2 機器學習的發(fā)展91
拓展閱讀 跳棋中的機器學習93
4.2 機器學習的類型94
4.2.1 監(jiān)督學習94
4.2.2 無監(jiān)督學習95
4.2.3 半監(jiān)督學習95
4.2.4 強化學習96
拓展閱讀 Netflix電影推薦系統(tǒng)96
4.3 機器學習的算法97
4.3.1 回歸算法98
4.3.2 決策樹算法100
4.3.3 樸素貝葉斯算法101
4.3.4 支持向量機102
4.3.5 聚類算法103
4.3.6 降維算法105
拓展閱讀 沒有免費的午餐106
4.4 機器學習的應用106
4.4.1 機器學習的應用領域106
4.4.2 機器學習的一般流程108
案例賞析109
案例1 自動過濾垃圾郵件的克星109
案例2 能夠自適應學習的BRETT機器人111
4.5 習題112
第5章 深度學習114
知識目標114
思政與素養(yǎng)114
導入案例 AlphaGo大戰(zhàn)李世石114
5.1 人工神經網(wǎng)絡116
5.1.1 神經元116
5.1.2 神經元模型116
5.1.3 感知機117
拓展閱讀 一代宗師杰弗里·辛頓118
5.2 BP神經網(wǎng)絡119
5.2.1 BP神經網(wǎng)絡結構119
5.2.2 BP神經網(wǎng)絡算法120
拓展閱讀 延恩·樂存121
5.3 卷積神經網(wǎng)絡121
5.3.1 卷積神經網(wǎng)絡簡介121
5.3.2 卷積神經網(wǎng)絡的結構122
5.3.3 常用的卷積神經網(wǎng)絡124
拓展閱讀 GPU與海量訓練數(shù)據(jù)127
5.4 循環(huán)神經網(wǎng)絡128
5.4.1 循環(huán)神經網(wǎng)絡簡介128
5.4.2 循環(huán)神經網(wǎng)絡的結構129
5.4.3 常用的循環(huán)神經網(wǎng)絡130
拓展閱讀 TensorFlow深度學習框架130
5.5 深度學習及應用131
案例賞析133
案例1 AlphaGo的成功秘訣133
案例2 AlphaGo Zero的成功秘訣135
5.6 習題136
第6章 計算機視覺138
知識目標138
思政與素養(yǎng)138
導入案例 “最強大腦”之人機大戰(zhàn)，百度人工智能勝出138
6.1 計算機視覺的概念139
6.1.1 什么是計算機視覺139
6.1.2 計算機視覺的發(fā)展歷程140
6.1.3 計算機視覺的應用140
6.2 圖像處理與視覺系統(tǒng)142
6.2.1 圖像基礎143
6.2.2 圖像處理技術145
6.2.3 計算機視覺系統(tǒng)148
拓展閱讀 智能布匹質量