首页 > 图书中心 >图书详情

人工智能(高中版)

本书由图领奖得主姚期智院士领衔编写,编写人员全部为清华姚班、智班有多年教学经验的教师。

作者:姚期智
   
定价:69
印次:1-4
ISBN:9787302563754
出版日期:2021.05.01
印刷日期:2024.06.11

本书选取人工智能的8个核心方向,精心选择不同章节的关键知识点。力求在保证教学内容易于接受的同时,与后续高等教育的人工智能教育无缝衔接。同时,书中的每一章均配备作业题与编程练习,让同学们在练习当中加深对算法与原理的理解。

more >

前 言   纵观科学的发展史,人工智能可以说是人类长期以来一直不停追求,力求理解与掌握的一个领域。从两千多年前的亚里士多德(Aristotle,古希腊哲学家)开始,到后来的科学巨擘图灵(Alan Turing,计算机科学之父)与香农(Claude Shannon,信息论的创始人),他们无一不为人类的智慧及后来的人工智能着迷并不倦地探索。科学家们希望能以科学的手段理解智能的本质,并制造出智能的机器,实现像人脑一样的学习、理解与决策。   在人工智能的发展史上,有两个里程碑式的事件最为人们所称道。一是图灵在1950年的划时代的论文《计算机器与智能》(Computing Machinery and Intelligence)中提出著名的“图灵测试”: 如果一台机器能与人类通过通信设备对话并不被辨别出其机器身份,则称这台机器具有智能。可以说,图灵测试从计算科学的角度提供了一个智能的定义。二是1955年,麦卡锡(John McCarthy)、闵斯基(Marvin Minsky)、香农与罗切斯特(Nathaniel Rochester)共同提交了一份申请书,提出于1956年暑假在美国汉诺瓦小镇的达特茅斯学院举行一场研讨会,讨论通过机器实现智能所需的科学基础。正是在这次会议上,人工智能的概念正式被提出。 达特茅斯研讨会的申请书   在科学家们前赴后继的努力下,自1956年的达特茅斯会议至今,人工智能得到了巨大的发展,并在许多领域取得了惊人的成就。比如1997年机器人“深蓝”击败国际象棋世界冠军卡斯帕罗夫; 2012年卷积神经网络在ImageNet图像识别比赛中一举夺魁; 2016年机器人AlphaGo系统击败世界围棋冠军李世石。除了技术上的突破,人工智能技术也不断在实际中得到广泛的应用,包括人脸识别,智能音响,智能手机,医疗影像的自动诊断,语音识别,金融科技,机器人,无人驾驶汽车,等等。这些日新月异的新技术,无不彰显了人工智能技术给人们生活带来的巨大影响。   那么,所有这些激动人心的突破究竟是如何实现的?它们背后的核心技术与原理又是什么?我们现在距离真正的人工智能还有多远?如何才能持续推进人工智能的发展?想要回答这些问题,我们必须系统深入地了解人工智能不同方向的核心原理与前沿发展。而中学的人工智能教育,是人才培养的核心环节。正因为如此,本书希望在中学阶段为同学们打下一个坚实的人工智能知识基础,助力同学们在人工智能领域的学习。有别于大部分市面上的教材,本书希望为同学们系统地介绍人工智能的核心方向,并学习具体原理。对具体原理的了解与把握,能帮助同学们建立起对人工智能发展的科学理解,更有利于同学们在学习探索中把握正确的思考方向。   为达成这一目标,清华大学交叉信息研究院特别组织了师资团队来撰写一本人工智能的高中教材。这些编写者均为人工智能各前沿科研方向的专家,且有多年“姚班”与“智班”的课堂教学经验。编写者对“姚班”与“智班”人工智能课程设置、办学经验以及对人工智能前沿研究方向的知识体系进行了系统的梳理。在此基础上,本书精选并介绍了八个人工智能的核心方向(即搜索、机器学习、线性回归、决策树、神经网络、计算机视觉、自然语言处理、强化学习)及其中适合中学阶段学习的关键知识点,确保在使教学内容易于接受的同时,书中覆盖的知识点与高等教育中的人工智能教育一脉相承。   本书由姚期智院士主编,黄隆波副主编。全书共分为9章,第0章介绍数学与编程基础,第1章介绍搜索,第2章介绍机器学习,第3章讨论线性回归,第4章阐述决策树、梯度提升和随机森林,第5章介绍神经网络,第6章分析计算机视觉,第7章介绍自然语言处理,第8章介绍马尔可夫决策过程与强化学习。第0章和附录由马雄峰、吴文斐编写,第1章由张崇洁编写,第2章、第3章和第5章由袁洋编写,第4章由李建编写,第6章由高阳编写,第7章由吴翼编写,第8章由黄隆波编写。   本书每一章均通过大家熟知的场景为背景介绍知识点的实际应用,以简单的例子详细介绍核心的原理,并以简洁的文字与数学语言具体描述原理及扩展。同时,本书的每一章均提供了精心设计的练习题。我们希望通过教学与训练的方式,使同学们获得对算法的具体经验,并在练习中加深对基础理论的理解,做到举一反三。为方便同学们进行学习,本书同时配套网络资源,提供相关的源代码及额外的实验习题,供感兴趣的同学进一步学习。本书的推荐使用方式如下: ①第0章为数学与编程基础,对此部分比较熟悉的同学可以选择跳过,直接进入后面章节的学习。②第1章至第4章为人工智能入门的基础章节,这4章之间的联系紧密。因此,建议同时进行学习,学习时间为一个学期。在章节的学习中,建议结合习题与网络资源进行实验加深理解与巩固。③第5章至第8章为细分章节,分别介绍了人工智能四个不同方向的基础知识与原理。在介绍时可以根据学生兴趣与课程时间进行安排。其中较难的部分在授课时可作为选讲章节。   编写者对于编写这本教材非常兴奋。我们希望通过本书,让更多的学生了解人工智能前沿方向的核心原理,并从科学的视角观察与理解前沿科研成果。人工智能是一个基础非常宽广的领域,涉及计算机、数学、心理学、神经科学在内的多个学科。因此,本书也仅仅是覆盖了人工智能的冰山一角。编写者希望通过本书,让同学们对人工智能的神奇与巨大作用有一个初步了解,进而不断学习相关学科的知识,为今后从事人工智能的研究工作打下良好的基础。

more >
扫描二维码
下载APP了解更多
图书分类全部图书
more >
  • 姚期智(图灵奖得主、院士、清华大学交叉信息研究院院长、教授,清华学堂计算机科学实验班与人工智能班首席教授)。
  • 本书主编为图灵奖得主姚期智院士;编委均为交叉信息研究院教师,具有多年的姚班智班授课与教育教学经验,且均为人工智能相关领域前沿专家;本书内容的选取建立在对大学人工智能教育知识体系的完整梳理,确保与后续的高等教育中人工智能的学习无缝连接;本书每章均配备习题与编程练习,让同学们在练习中加深对知识点、算法与原理的理解。
more >
  • 目  录

    第0章数学与编程基础

    引言

    0.1数学基础

    0.1.1导数

    0.1.2概率论基础

    0.1.3矩阵

    0.2编程基础

    0.2.1起步

    0.2.2值的类型和算术运算

    0.2.3变量、表达式、赋值

    0.2.4控制流

    0.2.5函数

    0.2.6输入输出

    练习题

    编程

    第1章搜索

    引言

    1.1搜索问题的定义

    1.2搜索算法基础

    1.3盲目搜索

    1.3.1深度优先搜索

    1.3.2宽度优先搜索

    1.4启发式搜索

    1.4.1贪婪搜索

    1.4.2A*算法

    1.5对抗搜索

    1.5.1极小极大搜索

    1.5.2AlphaBeta剪枝搜索

    本章总结

    历史回顾

    练习题

    第2章机器学习

    引言

    2.1监督学习的概念

    2.2数据集与损失函数

    2.3泛化

    2.4过拟合与欠拟合

    2.5创建数据集

    2.6无监督与半监督学习

    本章总结

    历史回顾

    练习题

    第3章线性回归

    引言

    3.1线性回归

    3.2优化方法

    3.3二分类问题

    3.4多分类问题

    3.5岭回归

    3.6套索回归

    本章总结

    练习题

    第4章决策树、梯度提升和随机森林

    引言

    4.1决策树

    4.1.1例子

    4.1.2决策树的定义

    4.1.3决策树的训练

    4.2随机森林

    4.2.1随机森林的算法描述

    4.2.2关于随机性的探讨

    4.3梯度提升

    4.3.1梯度提升的概念

    4.3.2基于决策树子模型的梯度提升算法

    4.3.3GBDT中的防过拟合方法

    4.3.4GBDT的高效开源实现

    本章总结

    历史回顾

    参考文...

精彩书评more >

标题

评论

版权所有(C)2023 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802042911号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘