人工智能常用的29种算法_新书推荐 |人工智能没那么难！你要的算法+案例分析+代码统统有！...-CSDN博客

本文链接：https://blog.csdn.net/weixin_39983993/article/details/111280171

点击上图，查看教学大纲

近几年，随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴盛，各行各业掀起了一场新的技术革命。

对于企业而言，人工智能已成为不可或缺的存在。目前人工智能常见的应用领域有教育、金融、电商、制造以及医疗等行业。伴随5G 时代的到来，人工智能的发展一定将再次被提上日程。人工智能的兴盛离不开数学的发展，而人工智能的核心就是数学。对于学生而言，该行业充满了许多种可能性。许多高校开设了数据科学这一门专业，其作为数学与计算机的交叉学科，旨在塑造集数学知识和计算机编程于一体的优秀人才。所以同学们，不要畏惧眼前的困难，只要你够专业，够精通，未来你就是HR眼里的 “香饽饽儿”。本书分为5个章节，内容详实，涵盖了Python3 基础内容、多个模块，并涉及数据分析、经典算法和部分深度学习内容。所有算法、神经网络的知识点都结合案例分析和代码，让自学者轻松无压力。本书作者部分来自高校，常年的教学经验中他们发现学生往往学了却不知道怎么去应用。因此，本书以问题为导向，结合项目实战的教学设计方式，可以帮助教师抓住学生的真正需求，帮助学生达到“想实现什么”再“学什么”而不是“学什么”再“想要实现什么”的目的。

名称	人工智能算法与实战(Python + PyTorch)
类别	人工智能；数据分析；Python; Pytorch；
出版发行	清华大学出版社
目标读者	主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员、从事高等教育的专任教师、高等院校的在读学生及相关领域的广大科研人员。

基础与实战案例相结合，代码详尽、语言简明易懂，由浅入深带你学会Python机器学习与数据挖掘

常见短板

小白学习“难难难”！

为了撰写一门适合新学者的书籍，本书作者阅读了大量的相关书籍，却发现这些书存在着以下通病。

1. 学习门槛高，比如书籍理论性很强，不提供代码或者代码的实现过于简单；

2. 书籍中的代码存在明显的问题, 或代码多以掉包的形式展示，读者阅读困难；

3. 书籍内容衔接不连贯，知识脉络不清晰，对于新学者而言是一个巨大的挑战。

基于此，作者们定位目标群体，分别结合自己的教学经验与项目实战经验，完成了本书的撰写。

本书特色

为你安排的“明明白白”

1. 本书是一本以问题为导向的书籍，凡是已经具备了一定数学基础和 Python3 基础的读者，都能够轻松入门本书。

2. 作为一本关于人工智能算法的书籍，本书共有 5 个章节，短小精悍，内容详实，环环相扣。 3. 本书2、3章节对常用模块、描述分析的相关内容进行了扼要阐述和实例操作，为数据分析初学者提供了一个切入口。 4. 读者可以在短时间内学习本书中介绍的12种算法，深度学习的基础知识点，四种神经网络。所有知识点都结合案例分析。

给“安装小白”的福音，所有软件、库、Pytorch等的安装，作者都为你安排得明明白白！

经典算法

项目案例

(1) 体重指数(BMI)

(2) 蒙特卡洛方法求解π(3) 利用牛顿法近似求解非线性方程(4) 非线性方程组的求解(5) 利用最小二乘预测某市的 GDP(6) 通过线性回归构建臀围与体重的回归函数(7) 利用逻辑回归预测模型预测研究生能否成功入学(8) 利用 PCA进行人脸识别(9) 线性判别对鸢尾花进行分类(10) 决策树在是否打网球上的预测(11) 随机森林在是否打网球上的预测(12) 朴素贝叶斯在性别上的判断(13) k最近邻算法在鸢尾花上的分类(14) 利用 k-means 聚类在 Mall Customers 上的分类(15) 协同过滤推荐算法(16) SVD 压缩图像(17) 利用梯度下降法拟合函数(18) 手写体识别(19) 卷积神经网络对垃圾进行分类(20) 风格迁移神经网络在图像中的使用

知识概览

帮你血槽拉满

章节1带你迅速回顾Python基础内容，体验飞一般的速度。

章节2为你介绍多种常用的模块，如用于数值计算的 NumPy 模块、数学符号运算的 Sympy 模块、其中本书着重介绍了关于科学计算的 SciPy 模块，用于人工智能中数据处理的Pandas模块，以及用于数据可视化的 Matplotlib 模块等等。阐述简洁明了，通过实例操作加深对这些模块的印象！ 章节3介绍了描述分析的相关内容和基本统计量。想要掌握速跳到这章，作者带你get数据分析的技巧。本章节主要介绍了数据的定义和分类，基本统计量、数据转换、常见距离以及多维数据，其中着重介绍了几种常见的基本统计量，比如变异系数、协方差以及相关系数等，数据转换主要介绍关于数据的标准化方法。 章节4主要介绍了关于人工智能的常见算法，共涉及12 种经典算法。算法涉及到监督学习和无监督学习，监督学习中，比如回归分析、判别分析、决策树、随机森林、以及推荐算法等，无监督学习中，比如主成分分析。给所有人工智能算法小白的福音：本章节的所有算法都有详细的算法原理、代码实现以及案例实现！ 章节5带你进阶 PyTorch 和深度学习的有关内容，本章详细介绍了关于 PyTorch 的安装和基础知识，着重介绍了关于深度学习的基础知识点，比如梯度下降法、激活函数、卷积神经网络中的卷积、池化等概念。前馈神经网络、卷积神经网络、生成对抗网络、风格迁移神经网络是神马？别急，所有案例实现带你登堂入室！

学习收获

英雄必有用武之地！

干货：结合数学知识，掌握数据分析能力，理解算法背后的原理。

代码：掌握算法编程能力，学会自己去写一个算法。 实战：掌握一定的项目实战经验，尝试自己入手一个项目。 逻辑：打通知识的脉络，学会举一反三。 工作：从事数据分析、机器学习、数据挖掘或深度学习。

作者介绍

于祥雨 数据分析师、教育产品研发，硕士研究生。主要研究方向包括数据分析、深度学习和智能教育。长期从事数据分析、机器学习、数据挖掘和人工智能等方面的工作。近 3 年，参与多项国家自然基金项目。

李旭静 讲师，博士，杭州师范大学。主要从事微分方程数值解，算法研究和大数据分析等。主持国家自然科学基金1项，参与国家自然科学基金若干项。 邵新平 副教授，博士，研究生导师，杭州电子科技大学。主要研究领域：高性能科学计算，有限元算法，数据挖掘以及大数据分析等。已发表 SCI 期刊 10 余篇，主持国家自然科学基金 2 项，参与国家自然基金和浙江省自然科学基金若干项。

编辑推荐

本书可视为一本以问题为导向的书籍，非常适合具备一定数学基础和 Python3基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。

(1)以问题为导向，对基础理论知识点与算法演练进行详细讲解。

(2)实战案例丰富，涵盖20 个知识点案例、12 个完整项目案例。

(3)代码详尽，避免对 API 的形式展示，规避重复代码。

(4)语言简明易懂，由浅入深带你学会 Python 以及人工智能常见算法。

(5)各个算法相对独立，数学原理相对容易理解。

(6)配套资源丰富：微课视频、源代码、数据集、教学课件、教学大纲、安装程序

内容简介

本书基础理论和算法实现相结合，循序渐进地介绍关于人工智能领域中的常见算法，全面、系统地介绍了使用Python实现人工智能算法，并通过PyTorch框架实现人工智能算法中的深度学习内容。全书共5章，分别介绍Python的安装和基础知识、科学计算库、描述性分析、经典算法和深度学习等知识，书中的每个知识点都有相应的实现代码和实例。

本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。