人工智能 中学生入门

　　人工智能已经渗透到我们生活、学习和工作的方方面面，它必将对我们的未来产生持久而深远的影响。在智能时代，认识、理解、使用和掌握智能技术将成为人们的基本需求，学习智能技术也是启迪创新思想的有效途径。本套人工智能教程，将带领同学们踏上探索人工智能的奇趣旅程。愿这段旅程在带来知识和乐趣的同时，能够帮助大家打开思想之门，释放天性，从而充满信心地去迎接炫目的智能未来。《人工智能 中学生入门》是面向中学生介绍人工智能领域的入门书籍，从人工智能的概念和发展历史讲起，全面系统地介绍了人工智能的数学基础、人工智能领域的三大经典任务——回归、分类和聚类，以及人工智能的前沿领域。《人工智能 中学生入门》通过深入浅出的讲解，帮助青少年认识人工智能并理解其背后的原理和技术。《人工智能 中学生入门》可作为中学信息技术课程人工智能模块的教材，也可作为青少年课外科普读物，还可作为相关培训机构的培训教材。

　　李国良，清华大学计算机科学与技术系长聘教授，博士生导师，国家杰出青年科学基金获得者，中国计算机学会数据库专业委员会副主任，ACM SIGMOD China（国际计算机学会数据管理国际会议中国组）副主席。主要研究方向为数据库、智能数据处理、在线教育等。在计算机领域的顶j会议和期刊上发表论文100余篇，他引8000余次。

目 录
第1章 人工智能的前世今生
.
.........................................001
1.1
人工智能的定义
.
.........................................002
1.2
人工智能发展史
.
.........................................003
1.3
人工智能学派及研究领域
.
........................................009
1.4
“人工智能+”：改变各行各业
.
........................................011
本章小结
.
.........................................015
第2章 人工智能基础
.
................................. ......016
2.1
人工智能的数学基础
.
.........................................017
2.2
一般数据的表示与处理
.
.........................................022
2.3
其他数据的表示与处理
.
............... .......................026
本章小结...............................032
第3章 回归：预测图书价格
.
........................................033
3.1
一元线性回归
.
.........................................034
3.2
代价函数的求解
.
........................................037
3.3
使用Excel软件求一元线性回归方程
.
.........................................040
3.4
多元线性回归与多项式回归
.
.........................................041
3.5
模型选择与过拟合问题
.
.........................................045
本章小结
.
..........................................049
第4 章 分类：健康管理与均衡饮食..........050
4.1
分类问题实例 .............................051
4.2
k 近邻算法 ...............................052
4.3
逻辑回归 .................................054
4.4
支持向量机 ...............................057
4.5
多分类任务 ...............................060
4.6
分类任务评价指标与分析....................061
本章小结 ...................... 063
第5 章 聚类：合理划分景区.................064
5.1
聚类初识 ................................065
5.2
簇间距离 .................................066
5.3
聚类算法: 如何划分景区 ...................067
5.4
聚类算法结果评估 .........................074
5.5
聚类算法优劣对比 ..........................076
本章小结 ...................................077
第6 章 神经网络与深度学习：识别俄罗斯方块..078
6.1
神经网络：模拟人脑的计算方式 ...............079
6.2
神经网络的结构和原理 .......................080
6.3
神经网络的学习过程 .........................086
6.4
深度学习 ....................................088
6.5
卷积神经网络——CNN ........................090
6.6
循环神经网络——RNN ........................093
本章小结 ...................................095
第7 章 强化学习：游戏之王的魅力..............096
7.1
强化学习简史 .................................097

7.2
强化学习的基本概念和方法 ...................099
7.3
强化学习的数学原理 ..........................102
7.4
强化学习的应用 ..............................103
本章小结 .....................................104
第8章对抗学习：生成以假乱真的图像.............105
8.1
神奇的生成对抗网络 ..........................106
8.2对抗学习前沿应用 .........................110
8.3
小试牛刀———手写数字生成 ................115
本章小结 ....................................120
第9 章 主动学习：无人驾驶汽车.................121
9.1
困难——海量交通图片 ........................122
9.2
策略——有选择的标注 .........................124
9.3
应用——提高训练效率 .........................127
本章小结 ......................................131
第10 章 知识图谱：与问答系统对话..............132
10.1
知识图谱的应用 ...............................133
10.2
知识图谱简史 .................................135
10.3
知识图谱的相关概念 ...........................137
10.4
从零构建知识图谱 .............................143
本章小结 .....................................152
参考文献......................................153