《大學人工智能基礎(大學計算機系列教材)》是華東師大非計算機專業(yè)本科生理科方向教學用書。大學程序設計基礎是大學計算機教學的核心課程,該書以零基礎的初學者為對象,循序漸進地講述各種客觀數(shù)據(jù)對象在計算機世界中是如何表示的,計算機又是如何操作數(shù)據(jù)對象,實現(xiàn)各種功能的。
《大學人工智能基礎(大學計算機系列教材)》旨在幫助讀者形成人工智能知識體系的輪廓性認知,培養(yǎng)讀者利用人工智能技術解決典型問題的實踐能力,使讀者感受人工智能之強大,點燃對計算機技術的熱情與興趣。
《大學人工智能基礎(大學計算機系列教材)》在編寫過程中,通過大量非常實用的例題、實驗和習題,把晦澀難懂的基本概念和不易掌握的軟件技巧,深入淺出、融會貫通地講解出來,并且提供了全部實例,方便讀者隨心所欲地使用。
人工智能作為一門新興學科,從1956年誕生至今,已經(jīng)取得了長足的進步。特別是當前計算機技術高速發(fā)展以及大數(shù)據(jù)的背景下,人工智能更是不斷地展示出驚人的潛力,給我們的生活帶來了巨大的變化。本教材以Python程序設計作為先修課程,介紹與人工智能相關的程序設計進階,講述人工智能的核心內(nèi)容——機器學習的基礎理論和常見算法,并探討目前流行的深度學習相關的計算機視覺技術和自然語言處理技術。通過本課程的學習,讀者可以掌握人工智能的基本思想、基礎算法以及實踐技術。
本教材共八章。第一章介紹人工智能的基本概念、發(fā)展歷程和主要研究領域。第二章至第四章分別介紹在機器學習與深度學習中常用的Python程序庫,包括科學計算之NumPy、數(shù)據(jù)分析之Pandas和數(shù)據(jù)可視化之Matplotlib。第五章介紹機器學習的基本概念、基礎知識以及幾個典型機器學習算法。第六章介紹作為深度學習入門的簡單神經(jīng)網(wǎng)絡模型。第七章介紹深度學習的基本概念以及在計算機視覺領域的應用技術。第八章介紹自然語言處理相關的基礎知識以及深度學習在自然語言處理領域的應用技術。本教材可作為普通高等院校和高職高專院校的人工智能基礎課程教學用書。
本教材由華東師范大學數(shù)據(jù)科學與工程學院一線教師編寫。由郭駿和陳優(yōu)廣主編,第一章和第八章由陳優(yōu)廣編寫,第二至四章由朱晴婷和裘奮華編寫,第五章和第七章由郭駿編寫,第六章由劉小平編寫。本教材在編寫過程中特別得到了朱敏等老師的幫助,在此表示最誠摯的感謝。
另外,由于時間倉促以及水平有限,教材中難免有紕漏與不足之處,望廣大讀者批評指正。
郭駿,2007年取得日本九州大學博士學位,目前為華東師范大學副教授。主要研究方向包括機器學習、深度學習、計算機視覺、光學字符識別等等,發(fā)表學術論文四十多篇,曾任國家自然科學基金項目及日本學術振興會項目負責人。
第1章 人工智能概述
1.1 什么是人工智能
1.2 人工智能的發(fā)展歷程
1.3 人工智能的研究領域
1.4 人工智能的應用體驗
第2章 多維數(shù)組的表示和計算
2.1 數(shù)組概述
2.2 多維數(shù)組對象
2.3 數(shù)組元素訪問
2.4 數(shù)組的操作
2.5 數(shù)組的計算
2.6 線性代數(shù)的相關計算
2.7 習題
第3章 使用pandas表示表格數(shù)據(jù)
3.1 Series對象
3.2 獲取表格對象
3.3 數(shù)據(jù)清洗
3.4 表格數(shù)據(jù)的操作
3.5 表格數(shù)據(jù)的統(tǒng)計分析
3.6 習題
第4章 數(shù)據(jù)可視化
4.1 圖表的繪制
4.2 繪制多個子圖
4.3 常見圖表類型
4.4 習題
第5章 機器學習基礎
5.1 機器學習基礎知識
5.2 線性回歸和邏輯回歸
5.3 支持向量機
5.4 聚類
5.5 習題
第6章 神經(jīng)網(wǎng)絡
6.1 神經(jīng)元與M-P模型
6.2 感知機
6.3 BP神經(jīng)網(wǎng)絡
6.4 深度神經(jīng)網(wǎng)絡
6.5 神經(jīng)網(wǎng)絡實戰(zhàn)
6.6 習題
第7章 計算機視覺
7.1 計算機視覺概述
7.2 卷積神經(jīng)網(wǎng)絡
7.3 手寫數(shù)字識別
7.4 常見網(wǎng)絡模型
7.5 實戰(zhàn)案例
7.6 習題
第8章 自然語言處理
8.1 概述
8.2 中文分詞技術
8.3 詞性標注與去除停用詞
8.4 關鍵詞提取
8.5 文本向量化
8.6 循環(huán)神經(jīng)網(wǎng)絡
8.7 習題