本書主編為圖靈獎得主姚期智院士；編委均為交叉信息研究院教師，具有多年的姚班智班授課與教育教學經驗，且均為人工智能相關領域前沿專家；本書內容的選取建立在對大學人工智能教育知識體繫的完整梳理，確保與後續的高等教育中人工智能的學習無縫連接；本書每章均配備習題與編程練習，讓同學們在練習中加深對知識點、算法與原理的理解。

●第0章數學與編程基礎
引言
0.1數學基礎
0.1.1導數
0.1.2概率論基礎
0.1.3矩陣
0.2編程基礎
0.2.1起步
0.2.2值的類型和算術運算
0.2.3變量、表達式、賦值
0.2.4控制流
0.2.5函數
0.2.6輸入輸出
練習題
編程
第1章搜索
引言
1.1搜索問題的定義
1.2搜索算法基礎
1.3盲目搜索
1.3.1深度優先搜索
1.3.2寬度優先搜索
1.4啟發式搜索
1.4.1貪婪搜索
1.4.2A*算法
1.5對抗搜索
1.5.1極小極大搜索
1.5.2AlphaBeta剪枝搜索
本章總結
歷史回顧
練習題
第2章機器學習
引言
2.1監督學習的概念
2.2數據集與損失函數
2.3泛化
2.4過擬合與欠擬合
2.5創建數據集
2.6無監督與半監督學習
本章總結
歷史回顧
練習題
第3章線性回歸
引言
3.1線性回歸
3.2優化方法
3.3二分類問題
3.4多分類問題
3.5嶺回歸
3.6套索回歸
本章總結
練習題
第4章決策樹、梯度提升和隨機森林
引言
4.1決策樹
4.1.1例子
4.1.2決策樹的定義
4.1.3決策樹的訓練
4.2隨機森林
4.2.1隨機森林的算法描述
4.2.2關於隨機性的探討
4.3梯度提升
4.3.1梯度提升的概念
4.3.2基於決策樹子模型的梯度提升算法
4.3.3GBDT中的防過擬合方法
4.3.4GBDT的高效開源實現
本章總結
歷史回顧
參考文獻
練習題
第5章神經網絡
引言
5.1深度線性網絡
5.2非線性神經網絡
5.3反向傳播計算導數
本章總結
歷史回顧
練習題
第6章計算機視覺
引言
6.1什麼是計算機視覺
6.2圖像的形成
6.2.1小孔相機模型
6.2.2數字圖像
6.3線性濾波器
6.4邊緣檢測
6.5卷積神經網絡
本章總結
歷史回顧
參考文獻
練習題
第7章自然語言處理
引言
7.1語言模型
7.1.1什麼是語言模型
7.1.2n-gram模型
7.1.3n-gram的計算
7.1.4模型評估與困惑度
7.1.5實用技巧
7.1.6實例
7.1.7語言模型的應用
7.2字模型與詞模型
7.2.1字模型與詞模型的比較
7.2.2中文分詞
7.2.3中文與英文的差別
7.3向量語義
7.3.1語義
7.3.2詞向量
7.3.3word2vec
7.3.4可視化示例
7.4基於神經網絡的自然語言處理
7.4.1基於神經網絡的bigram模型
7.4.2訓練神經網絡
7.4.3基於神經網絡的n-gram模型
本章總結
歷史回顧
練習題
第8章馬爾可夫決策過程與強化學習
引言
8.1馬爾可夫鏈
8.1.1例子
8.1.2馬爾可夫鏈定義
8.2馬爾可夫決策過程
8.2.1確定性路線規劃
8.2.2不確定性路線規劃
8.3強化學習
8.3.1Q-learning
8.3.2深度強化學習
本章總結
歷史回顧
參考文獻
練習題
附錄A數學基礎
A.1導數
A.2概率
A.3矩陣
附錄B編程基礎
B.1整數類型的運算
B.2變量命名規則
B.3關繫表達式和邏輯表達式
B.4函數調用中的傳值和傳引用
B.5復雜類型
B.6一些技巧
B.7編程風格

本書選取人工智能的8個核心方向，第1章介紹搜索，第2章介紹機器學習，第3章介紹線性回歸，第4章介紹決策樹、梯度提升和隨機森林，第5章介紹神經網絡，第6章介紹計算機視覺，第7章介紹自然語言處理，第8章介紹馬爾可夫決策過程與強化學習。書中的每一章均配備作業題與編程練習，讓同學們在練習中加深對原理與算法的理解。本書為高中教材，也可以作為人工智能的人門參考書籍。

姚期智 編