「沒有大量資料支撐的人工智慧就是人工智障」

AI是什麼？為什麼熱門？是否已經成熟？
跟著本書搞懂資料科學，跟上未來趨勢！

▎人工智慧用於何處？
2017年是人工智慧（Artificial Intelligence，AI）年，人工智慧技術越來越多的應用到日常生活的各個方面。AlphaGo ZERO替代AlphaGo實現自我學習；百度無人汽車上路；iPhone X開啟Face ID；阿里和小米先後發表智慧音箱；肯德基上線人臉支付……這些背後都是人工智慧技術的驅動！

【人工智慧概述】
首先為讀者解釋了AI的基礎概念，探索其技術的成熟度，並對美國和中國的AI現狀進行比較。此章還概述了AI與雲端運算和大數據的深層關係及歷史發展。

【AI產業、資料及機器學習】
從AI產業的基礎層、技術層到應用層逐層深入，並介紹大數據的基本概念、現狀及其在中國的運算模式。此外，機器學習作為AI的核心，我們著重於其基本概念和資料的預處理方法。

【模型和機器學習的演算法】
從模型的基礎訓練到評估，以及各類型的機器學習演算法，如支援向量機、KNN和決策樹等，這些都為讀者提供了全面的視野。

【探討深度學習】
深度學習是AI的另一個重要分支，本章專門探討此領域，涵蓋從基本神經網路到卷積神經網路的各種技術。

本書特色

本書全面講述人工智慧與大數據涉及的技術，共分7章，包括人工智慧概述、AI產業、資料、機器學習概述、模型、機器學習算法、深度學習等。閱讀完本書後，讀者將對人工智慧技術有全面的理解，並能掌握AI整體知識架構。

楊正洪

在矽谷從事AI和大數據相關研發工作十餘年，是海外智庫專家顧問，曾擔任在美上市公司CTO、北京某國企CIO和上海某國企高階副總裁等職。出版了《智慧城市》、《大數據技術入門》等多本暢銷書。

郭良越

專職作者。

劉瑋

專職作者。

前言

第1章 人工智慧概述
1.1 AI是什麼
1.2 AI技術的成熟度
1.3 美國AI龍頭分析
1.4 中國AI現狀
1.5 AI與雲端運算和大數據的關係
1.6 AI技術路線
1.7 AI國家策略
1.8 AI的歷史發展

第2章 AI產業
2.1 基礎層
2.2 技術層
2.3 應用層
2.4 AI產業發展趨勢分析

第3章 資料
3.1 什麼是大數據
3.2 中國國內大數據現狀
3.3 大數據的運算模式
3.4 大數據技術
3.5 資料平臺
3.6 大數據的商用途徑
3.7 大數據產業
3.8 政府大數據案例分析

第4章 機器學習概述
4.1 走進機器學習
4.2 機器學習的基本概念
4.3 資料預處理

第5章 模型
5.1 什麼是模型
5.2 誤差和MSE
5.3 模型的訓練
5.4 梯度下降法
5.5 模型的擬合效果
5.6 模型的評估與改進
5.7 機器學習的實現框架

第6章 機器學習演算法
6.1 演算法概述
6.2 支援向量機演算法
6.3 邏輯迴歸演算法
6.4 KNN演算法
6.5 決策樹演算法
6.6 整合演算法
6.7 聚類演算法
6.8 機器學習演算法總結

第7章 深度學習
7.1 走進深度學習
7.2 神經網路的訓練
7.3 神經網路的最佳化和改進
7.4 卷積神經網路
7.5 深度學習的優勢
7.6 深度學習的實現框架