漫画学人工智能(Python版)
  • 推荐0
  • 收藏0
  • 浏览60

漫画学人工智能(Python版)

肖凯 (作者)  张月萍 (责任编辑)

  • 书  号:9787121465468
  • 出版日期:2024-02-01
  • 页  数:232
  • 开  本:16(170*240)
  • 出版状态:上市销售
  • 维护人:张月萍
人工智能的时代已经到来。中国的青少年需要学会用人工智能的语言来理解世界,用人工智能的思想来创造世界。本书主要介绍如何使用Python来学习和应用人工智能算法。
全书知识体系完备,首先讲解了基础编程知识和Python语言特性;其次讲解了如何处理数据,如何分析和观察数据;最后讲解了若干机器学习算法,并拓展介绍了深度学习和强化学习的入门知识。
由一线大厂专家撰写,易于上手的Python,配以几百张漫画,学习曲线平缓,为未来拥抱SORA|ChatGPT|AIGC打基础的人工智能普及读物
肖凯,支付宝(中国)网络技术有限公司,大安全事业部机器智能部数据技术专家,负责人工智能算法在风控领域的应用落地。除从事人工智能研究外,还在业余时间进行青少年人工智能科普教育。
前言
什么是人工智能
人工智能(Artificial Intelligence,AI)是人类最伟大的梦想之一。在数千年的发展中,人类创造出了各种工具,解放了双手,提高了工作效率。而人类最突出的特质是高出其他动物很多的智能,我们更希望创造出和人类一样聪明的机器,帮助我们思考和决策。多数人对人工智能的了解来自电影。例如,2001 :A Space Odyssey(中译名为《2001 太空漫游》)中的人工智能电脑管家HAL,“终结者”系列电影中的杀手机器人,以及Iron Man(中译名为《钢铁侠》)中的人工智能战衣。电影中的这些人工智能具备一些共同特征:能力异常强大,会像人一样思考,甚至有感情。虽然现实世界中的人工智能与之相差甚远,但是它们在我们身边发挥着重要作用。例如,扫地机器人可以自动帮我们打扫房间,网络机器人可以和人愉快聊天,无人汽车能在一定程度上自主驾驶。
“人工智能”这个概念是不断发展的。早期的观点认为人工智能需要像人一样思考和行动,完全模仿人类。但是,人类建造的飞机最终能飞上天,依赖的并不是对鸟的模仿,而是人们对空气动力学的研究。现代的观点认为,人工智能需要进行合理的行动,能够自主地操作、感知环境、长期持续运行、适应变化并实现最佳期望结果,也就是最优地完成一个既定的目标。因此人工智能需要通过圆满完成任务来证明其能力。
为什么写这本书
近年来,随着数据的丰富,算法和算力的加强,以深度学习、强化学习为代表的人工智能技术迅速崛起,《麻省理工科技评论》杂志将深度学习列为2013 年十大突破性技术之首,将强化学习列为2017 年十大突破性技术之首。2016 年,谷歌公司开发的会下围棋的人工智能AlphaGo,战胜了人类围棋大师李世石;又于2017 年战胜了当时的世界冠军柯洁。2017年,国务院发布了《新一代人工智能发展规划》,提出“实施全民智能教育项目,在中小学阶段设置人工智能相关课程,逐步推广编程教育,鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广”。由此我们可以感受到人工智能时代已经到来。中国的青少年需要学会用人工智能的语言来理解世界,用人工智能的思想来创造世界。
人工智能领域的相关知识博大精深,相关理论繁复,工程框架众多。从现有的出版情况来看,该领域无论是图书还是论文,都已经非常丰富了。但是大部分读物针对的是业界或学术界的专业人士,针对青少年的、入门级的读物并不算多。因此,笔者希望能写一本门槛较低的,学习曲线平缓的,内容形象不枯燥的,覆盖从概念知识到具体的代码实操的人工智能普及读物。
本书的特点
和武侠世界类似,学习人工智能需要同时修炼“内功”和“外功”,“内功”是对于各种理论知识的理解,“外功”是对于编程工具的运用。本书的特点可以用如下三个关键词来概括。
表达生动:对于理论知识,本书主要通过通俗易懂的语言和图表来讲解,回避过多的公式。
代码为主 :Python 代码在表达能力上比公式更具体,比语言更精确,因此本书有大量代码,不仅可以帮助读者理解,而且可以提高读者的编程能力。
知识完备:人工智能领域涉及的知识相当多,本书选择了其中最为重要、最为基础的知识,而且均从基础讲起,包括重要的机器学习入门知识、编程算法,不需要其他资料作为预备读。
本书的内容安排
本书共分24 章,主要内容如下。
第1章介绍了运行本书代码需要安装的环境。
第2~6章主要讲解了基础编程知识、Python 语言特性,还讲解了计算机经典算法,如快速排序算法、广度优先搜索算法、贪心算法等。
第7~11章主要讲解了如何处理数据,如何分析和观察数据,还讲解了随机、模拟和最优化方法,这是机器学习的先修内容。
第12~23章主要讲解了机器学习的整体框架,重点讲解了以人工神经网络为主的若
干机器学习算法,并进一步拓展讲解了深度学习和强化学习的入门知识。
第24章介绍了人工智能的应用领域,以及继续学习研究的资源。
适合阅读本书的读者
人工智能课程的中小学师生。
有一定编程热情和实践环境的青少年。
希望了解人工智能的成人。

本书的学习方法
按章节顺序学习,因为后面的知识需要用到前面的知识。
一定要在计算机上写代码。人工智能领域的技术含量很高,特别是涉及导数、矩阵等高等数学的知识远远超出中小学学生的学习范畴。对于这些难点,本书是通过代码的方式进行讲解的,回避了理论公式。因此,读者需要通过编写代码、运行代码,来理解代码背后的知识,由“外功”修“内功”。
反复练习,学习就是模仿和重复,咬定青山不放松。
在有条件的情况下,家长可以和孩子一起学习,一起成长。

目录

第1章 编程环境介绍和安装
1.1 什么是Python
1.2 为什么用Python来学习人工智能
1.3 Anaconda环境的安装
1.4 Jupyter Notebook的界面和基本使用
1.5 本章小结

第2章 Python基础
2.1 掌握第一个命令:print
2.2 数学运算
2.3 变量
2.4 数据类型
2.5 函数
2.6 类
2.7 练习
2.8 本章小结

第3章 循环语句、条件语句和二分搜索算法
3.1 逻辑值和判断条件
3.2 循环语句和列表
3.3 二分搜索算法
3.4 练习
3.5 本章小结

第4章 递归算法和快速排序
4.1 再谈列表
4.2 选择排序
4.3 递归算法
4.4 快速排序
4.5 练习
4.6 本章小结

第5章 字典和广度优先搜索
5.1 什么是字典
5.2 字典的排序
5.3 广度优先搜索
5.4 练习
5.5 本章小结

第6章 集合和贪心算法
6.1 什么是集合
6.2 组合
6.3 贪心算法
6.4 练习
6.5 本章小结

第7章 数组和向量化计算
7.1 一维数组
7.2 二维数组
7.3 数组操作
7.4 向量化计算
7.5 练习
7.6 本章小结

第8章 随机和模拟
8.1 什么是随机事件
8.2 模拟掷骰子
8.3 模拟扔硬币
8.4 练习
8.5 本章小结

第9章 数据可视化
9.1 可视化目标和类型
9.2 matplotlib绘图基础
9.3 交互式绘图模块
9.4 练习
9.5 本章小结

第10章 文件读取和数据分析
10.1 什么是数据分析
10.2 文件读取
10.3 一元统计分析
10.4 二元统计分析
10.5 练习
10.6 本章小结

第11章 最优化方法
11.1 什么是最优化
11.2 梯度下降算法
11.3 遗传算法
11.4 练习
11.5 本章小结论

第12章 机器学习基础
12.1 什么是机器学习
12.2 有监督学习
12.3 无监督学习
12.4 强化学习
12.5 本章小结
第13章 感知机分类器
13.1 什么是分类器
13.2 什么是感知机分类器
13.3 感知机分类器是如何训练权重的
13.4 练习
13.5 本章小结
第14章 逻辑回归分类器
14.1 什么是逻辑回归分类器
14.2 什么是损失函数
14.3 逻辑回归分类器是如何训练权重的
14.4 分类器的评估方法
14.5 练习
14.6 本章小结
第15章 线性回归和评估
15.1 什么是线性回归
15.2 线性回归的评估方法
目录 IX
15.3 线性回归是如何训练权重的
15.4 练习
15.5 本章小结
第16章 聚类算法和应用
16.1 什么是聚类
16.2 什么是K-means聚类算法
16.3 如何实现K-means聚类算法
16.4 练习
16.5 本章小结
第17章 深度学习和框架
17.1 什么是深度学习
17.2 深度学习框架PyTorch
17.3 PyTorch的安装
17.4 PyTorch基础
17.4.1 向量
17.4.2 自动梯度计算
17.5 练习
17.6 本章小结
第18章 基于PyTorch的线性回归和逻辑回归
18.1 基于PyTorch的线性回归
18.2 基于PyTorch的逻辑回归
18.3 练习
18.4 本章小结

第19章 人工神经网络
19.1 理解人工神经网络
19.2 基于PyTorch的神经网络
19.3 练习
19.4 本章小结

第20章 用卷积神经网络处理图片问题
20.1 用DNN判断手写数字
20.2 用DNN判断服饰类型
20.3 用CNN判断服饰类型
20.4 本章小结

第21章 用循环神经网络处理文本问题
21.1 独热编码
21.2 文本的基本处理
21.3 用DNN判断文本类别
21.4 用RNN判断文本类别
21.5 本章小结

第22章 强化学习基础
22.1 强化学习的基本概念
22.2 Q学习的思想
22.3 在一维空间中寻宝
22.4 本章小结

第23章 强化学习探索二维世界
23.1 二维格子世界的问题
23.2 环境模块gym
23.3 基于Q学习的二维格子世界
23.4 本章小结

第24章 人工智能的下一步和学习资源
24.1 人工智能的前沿进展
24.2 人工智能的未来
24.3 生活中的人工智能工具
24.4 学习资源
24.4.1 出版读物
24.4.2 网络课
24.4.3 微信公众号

读者评论