人工智能算法基礎

唐宇迪 等

買這商品的人也買了...

相關主題

商品描述

當前AI圖書市場,理論知識與實踐經驗的脫節,是很多書籍的缺點。
本書立足於理論,從實例入手,將理論知識和實際應用結合,
目標是讓讀者能夠快速地熟悉人工智能中經典算法。
全書分為4篇,共20章。
其中di1篇為基礎算法篇,
主要講述排序、查找、線性結構、樹、隊列、散列、圖、堆棧等基本數據結構算法;
di2篇為機器學習算法篇,
主要講述分類算法、回歸算法、聚類算法、降維算法和集成算法;
di3篇為強化學習算法篇,
主要講述基於價值的強化學習算法和基於策略的強化學習算法;
di4 篇為深度學習算法篇,
主要講述神經網絡模型算法、循環神經網絡算法和卷積神經網絡算法等內容。
本書適合從事數據科學與人工智能相關行業的讀者閱讀

目錄大綱

di0章  人工智能與算法1
0.1 人工智能發展的水平 2
0.2 人工智能技術總覽 3
0.3 算法在人工智能技術中的地位 9
0.4 學好算法能有哪些競爭優勢 10
  di1章  排序算法12
1.1 冒泡排序(Bubble Sort) 13
1.2 直接插入排序(Insert Sort) 20
1.3 直接選擇排序(Select Sort) 24
1.4 升級版冒泡排序——快速排序(Quick Sort) 26
1.5 升級版插入排序——希爾排序(Shell Sort) 29
1.6 升級版選擇排序——堆排序(Heap Sort) 31
1.7 歸併排序(Merge Sort) 34
1.8 基數排序(Radix Sort) 36
1.9 應用:應該使用哪種排序算法 40
1.10 gao手點撥 42
1.11 編程練習 42
1.12 面試真題 42
di2章  查找算法43
2.1 線性查找(Line Search)——傻瓜式查找 44
2.2 二分查找(Binary Search)——排除另一半 44
2.3 插值查找(Insert Search)——預判位置 45
2.4 斐波那契查找(Fibonacci Search)——黃金分割法 46
2.5 樹結構查找(Tree Search) 48
2.6 散列查找(Hash Search) 48
2.7 應用:自實現indexOf函數 49
2.8 gao手點撥 49
2.9 編程練習 50
2.10 面試真題 50
  di3章  字符串算法51
3.1 樸素算法 52
3.2 KMP算法 53
3.3 Boyer-Moore算法 55
3.4 Rabin-Karp算法 59
3.5 Trie樹 59
3.6 應用:AC自動機算法 60
3.7 gao手點撥 64
3.8 編程練習 65
3.9 面試真題 65
  di4章  線性結構66
4.1 鍊錶 67
4.2 棧 72
4.3 隊列 73
4.4 應用:逆波蘭計算器 74
4.5 gao手點撥 81
4.6 編程練習 82
4.7 面試真題 82
  di5章  樹結構83
5.1 樹結構概述 84
5.2 二叉樹  84
5.3 線索二叉樹 90
5.4 二叉查找樹 92
5.5 K近鄰算法與k-d樹 111
5.6 赫夫曼樹 119
5.7 多路查找樹 134
5.7.1  2-3樹 134
5.7.2 B樹 140
5.7.3 B+樹 140
5.8 gao手點撥 141
5.9 編程練習 141
5.10 面試真題 142
  di6章  堆結構143
6.1 二叉堆 144
6.2 d-堆 144
6.3 二項堆 145
6.4 斐波那契堆 148
6.5 左式堆 150
6.6 斜堆 152
6.7 應用:優先隊列 152
6.8 gao手點撥 153
6.9 編程練習 153
6.10 面試真題 153
  di7章  散列結構154
7.1 散列概述 155
7.2 散列函數的設計 156
7.3 解決衝突 157
7.4 完美散列 160
7.5 應用 161
7.6 gao手點撥 162
7.7 編程練習 162
7.8 面試真題 162
  di8章  圖結構163
8.1 圖結構概述 164
8.2 圖的存儲 167
8.3 圖的搜索 170
8.4 拓撲排序 173
8.5 應用:修路問題 175
8.6 gao手點撥 178
8.7 編程練習 179
8.8 面試真題 179
  di9章  遞歸算法180
9.1 遞歸的概述 181
9.2 應用:漢諾塔問題 183
9.3 gao手點撥 185
9.4 編程練習 185
9.5 面試真題 185
  di10章  分類算法186
10.1 分類算法概述 187
10.2 決策樹 192
10.3 支持向量機 207
10.4 樸素貝葉斯算法 223
10.5 綜合案例——基於SVM算法的癌症預測 231
10.6 gao手點撥 235
10.7 編程練習 236
10.8 面試真題 236
  di11章  回歸算法237
11.1 回歸算法概述 238
11.2 線性回歸算法 238
11.3 邏輯回歸算法 251
11.4 綜合案例——欺詐檢測 259
11.5 gao手點撥 264
11.6 編程練習 266
11.7 面試真題 267
  di12章  聚類算法268
12.1 聚類算法概述 269
12.2 K-means算法 270
12.3 K-means算法實踐 276
12.4 DBSCAN算法 284
12.5 綜合案例——圖像分割 290
12.6 gao手點撥 292
12.7 編程練習 293
12.8 面試真題 294
  di13章  降維算法295
13.1 降維算法概述 296
13.2 主成分分析 296
13.3 線性判別分析 306
13.4 綜合案例——基於PCA和邏輯回歸算法對鳶尾花數據集分類 313
13.5 gao手點撥 315
13.6 編程練習 316
13.7 面試真題 317
  di14章  集成學習算法318
14.1 集成學習概述 319
14.2 Bagging算法 319
14.3 Boosting算法 321
14.4 XGBoost算法 322
14.5 綜合案例——基於XGBoost算法的客戶流失預測 335
14.6 gao手點撥 346
14.7 編程練習 346
14.8 面試真題 347
  di15章  基於價值的強化學習(Value-Based RL)算法348
15.1 強化學習 349
15.2 Q-Learning算法 351
15.3 DQN(Deep Q-Learning)算法 356
15.4 綜合案例——讓AI自主探索迷宮 363
15.5 gao手點撥 366
15.6 編程練習 366
15.7 面試真題 366
  di16章  基於策略的強化學習(Policy-Based RL)算法367
16.1 策略梯度(Policy Gradient)算法 368
16.2 Actor-Critic算法 377
16.3 綜合案例——chao級馬里奧的實現 386
16.4 gao手點撥 389
16.5 編程練習 389
16.6 面試真題 389
  di17章  神經網絡模型算法390
17.1 神經網絡概述 391
17.2 神經元模型和神經網絡模型 392
17.3 BP神經網絡算法 39
17.4 綜合案例——使用神經網絡進行回歸預測 403
17.5 gao手點撥 407
17.6 編程練習 407
17.7 面試真題 408