**章 人工智能概論 1
1．1 引言 2
1．1．1 人工智能是什么 2
1．1．2 人工智能的兩位奠基人 3
1．1．3 達特茅斯會議 9
1．1．4 人工智能發展的歷程 10
1．1．5 關鍵事件 13
1．2 身邊的人工智能 15
1．2．1 下棋高手 15
1．2．2 自動駕駛 18
1．2．3 機器翻譯 20
1．2．4 圖像識別 21
1．2．5 智能回答 24
1．2．6 目標檢測 26
1．3 人工智能的發展趨勢 29
第二章 Python語言基礎 31
2．1 Python概述 32
2．1．1 Python語言簡介 32
2．1．2 Python開發環境搭建 33
2．2 Python基礎語法及運算符 38
2．2．1 基礎語法 38
2．2．2 變量 40
2．2．3 運算符 40
2．3 控制結構 42
2．3．1 順序結構 42
2．3．2 分支結構 42
2．3．3 循環結構 43
2．4 數據結構 46
2．4．1 字符串 46
2．4．2 列表 48
2．4．3 元組 50
2．4．4 字典 50
2．5 函數的設計與調用 51
2．5．1 函數的定義與調用 51
2．5．2 常用函數 53
2．5．3 標準庫與擴展庫對象的導入和使用 55
第三章 智能計算方法 57
3．1 暴力搜索算法 58
3．1．1 暴力搜索算法的原理 58
3．1．2 暴力搜索算法的優點和缺點 60
3．2 爬山算法 63
3．2．1 爬山算法的原理 64
3．2．2 爬山算法的優點和缺點 64
3．3 模擬退火算法 68
3．3．1 模擬退火算法的原理 69
3．3．2 模擬退火算法的優點和缺點 70
3．4 遺傳算法 75
3．4．1 遺傳算法的原理 75
3．4．2 遺傳算法的優點和缺點 78
第四章 經典機器學習 85
4．1 小明識數 86
4．2 機器識數：K*近鄰分類算法 88
4．2．1 K*近鄰分類算法的原理 88
4．2．2 KNN算法的基本步驟 89
4．2．3 k值對結果的影響 90
4．2．4 使用KNN算法預測樣本的步驟 92
4．3 支持向量機分類 100
4．3．1 多類分類問題轉化為二分類問題 100
4．3．2 支持向量機 103
4．4 機器學習的實用技巧 111
4．4．1 特征工程 111
4．4．2 數據標準化 118
4．4．3 超參數搜索 120
4．4．4 模型驗證 121
4．5 無監督學習 124
4．5．1 聚類 124
4．5．2 降維 125
第五章 深度學習技術 137
5．1 人工神經網絡 138
5．1．1 神經元模型 139
5．1．2 前饋神經網絡 139
5．2 卷積神經網絡 146
5．2．1 卷積層 146
5．2．2 池化層 147
5．2．3 典型的卷積網絡結構 148
5．3 循環神經網絡 153
5．3．1 循環神經網絡的結構 154
5．3．2 基礎循環神經網絡的局限 155
5．3．3 長短期記憶網絡 155
5．3．4 門控循環單元網絡 156
5．4 小結 162
參考文獻 163
使用說明 164