"l突出機器學習繫統內容，精選機器學習常用算法。l覆蓋騰訊雲機器學習專項認證知識點。l實例均使用騰訊的TI-ONE機器學習平臺，提供典型Python算法與案例。l幫助讀者快速入門，提供案例代碼等豐富的配套資源。全書深入淺出，兼具廣度與深度，幫助讀者掌握機器學習、深度學習的原理與應用。"

●第1章 人工智能與機器學習的概念
1.1 人工智能的定義
1.2 人工智能的歷史
1.3 人工智能的技術發展
1.3.1 專家繫統
1.3.2 機器學習
1.3.3 機器視覺
1.3.4 機器人技術
1.3.5 自然語言處理
1.3.6 自動化
1.3.7 大數據
1.3.8 語音識別技術
1.4 人工智能的應用領域
1.5 機器學習概述
1.5.1 什麼是機器學習
1.5.2 機器學習的發展歷程
1.5.3 機器學習的繫統結構
1.5.4 機器學習的分類
1.5.5 機器學習的常見算法
1.5.6 機器學習應用場景
參考文獻
第2章 數學基礎
2.1 高等數學
2.1.1 函數與極限
2.1.2 導數與微分
2.1.3 微分中值定理與導數的應用
2.1.4 空間解析幾何和向量代數
2.1.函數微分法及其應用
2.2 線性代數
2.2.1 矩陣及其運算
2.2.2 矩陣的初等變換與矩陣的秩
2.2.3 向量組的線性相關性
2.2.4 相似矩陣及二次型
2.2.5 矩陣導數的運算
2.3 概率論與數理統計
2.3.1 隨機事件及其概率
2.3.2 隨機變量及其分布
2.3.3 多維隨機變量及其分布
2.3.4 隨機變量的數字特征
2.3.5 樣本及抽樣分布
2.3.6 參數估計
2.3.7 假設檢驗
2.4 本章小結
參考文獻
第3章 編程基礎
3.1 Python語法
3.1.1 Python基本概述
3.1.2 Python內置對像
3.1.3 Python運算符和表達式
3.1.4 程序控制結構
3.1.5 函數
3.1.6 面向對像編程
3.1.7 封裝、繼承和多態
3.1.8 運算符重載
3.1.9 字符串簡介
3.1.10 轉義字符
3.1.11 字符串格式化
3.1.12 字符串常用作
3.1.13 正則表達式
3.1.14 文件基本作
3.1.15 目錄作（文件夾作）
3.1.16 異常處理結構
3.1.17 NumPy
3.1.18 pandas
3.1.19 matplotlib
3.1.20 Scikit-learn
3.1.21 小結
3.2 TensorFlow/PyTorch語法
3.2.1 TensorFlow
3.2.2 PyTorch
3.2.3 小結
第4章 數據結構與算法
4.1 樹
4.1.1 基本概念
4.1.2 二樹的存儲結構
4.1.3 二樹的遍歷
4.1.4 樹的存儲結構
4.1.5 樹的遍歷
4.2 哈希表
4.2.1 基本概念
4.2.2 構造哈希函數的方法
4.2.3 處理衝突的方法
4.2.4 哈希表優點
4.3 排序
4.3.1 基本概念
4.3.2 簡單選擇排序
4.3.3 簡單插入排序
4.3.4 冒泡排序
4.3.5 快速排序
4.3.6 歸並排序
4.4 搜索
4.4.1 基本概念
4.4.2 順序搜索
4.4.3 折半搜索
4.4.4 二搜索樹
4.5 字符串
4.5.1 基本概念
4.5.2 字符串的存儲結構
4.5.3 正則表達式
4.6 動態規劃
4.6.1 優化問題
4.6.2 動態規劃的應用場景
4.6.3 動態規劃算法思路
4.6.4 應用實例
4.7 小結
第5章 機器學習算法
5.1 機器學習的基本概念
5.1.1 算法分類
5.1.2 模型評價指標
5.1.3 模型選擇及求解問題
5.2 分類
5.2.1 k近鄰算法
5.2.2 決策樹算法
5.2.3 貝葉斯分類器
5.2.4 logistic回歸算法
5.2.5 支持向量機算法
5.2.6 隨機森林算法
5.3 回歸
5.3.1 線性回歸算法
5.3.2 決策樹回歸算法
5.4 無監督算法
5.4.1 聚類算法
5.4.2 維歸約技術
5.5 關聯分析
5.5.1 Apriori算法
5.5.2 頻繁模式樹算法
5.6 其他機器學習方法
5.6.1 隱馬爾可夫模型
5.6.2 Boosting算法
5.6.3 條件隨機場
5.7 深度學習相關算法
5.7.1 神經網絡相關概念
5.7.2 深度神經網絡
5.8 本章小結
參考文獻
第6章 構建項目流程
6.1 問題的定義
6.2 數據收集
6.3 數據預處理
6.4 特征抽取
6.5 模型構建及訓練
6.5.1 模型構建
6.5.2 模型訓練
6.6 模型評估和優化
6.6.1 模型評估
6.6.2 模型優化
6.6.3 選擇正確的衡量標準
6.7 模型部署和監控
6.7.1 模型部署
6.7.2 模型監控
6.7.3 應用到業務中
6.8 本章小結
第7章 TI-ONE機器學習
7.1 TI-ONE平臺介紹
7.2 TI-ONE平臺作說明
7.2.1 注冊與開通服務
7.2.2 可視化建模界面
7.2.3 新建工程與任務流
7.2.4 基礎作說明
7.3 使用可視化建模構建模型
第8章 TI-ONE平臺應用實例
8.1 中式菜繫熱度預測模型
8.2 貓狗圖像分類

機器學習是人工智能的重要技術基礎。本書涵蓋了機器學習的基礎知識，精選了機器學習常用算法，緊密結合騰訊雲培訓認證中心的機器學習應用工程師認證體繫，主要包括人工智能與機器學習概念、數學基礎、編程基礎、數據結構與算法、分類算法、回歸算法、無監督學習算法、數據獲取、特征處理、模型選取與調優、模型評估等，並給出了基於騰訊TI-ONE平臺的操作實例。全書深入淺出、案例豐富，兼具廣度與深度，便於學生鞏固學習，適合作為高等院校本科生或研究生機器學習、數據分析、數據挖掘等課程的教材，也可供對機器學習感興趣並希望從事機器學習等領域相關工作的個人開發者閱讀參考。

李然 編