人工智能與機器學習入門（原書第2版） Artificial Intelligence: With an Introduction to Machine Learning, Second Edition

本書是在原書第1版的基礎上，經過全面的修訂、更新和擴展，
保留了相同的可讀性和解決問題的方法，同時介紹了新的素材和最新發展。
全書分為5個部分，重點介紹了人工智能中常見的關鍵的技術。
本書第1部分介紹了基於邏輯的方法，
第2部分則重點介紹了基於概率的方法，
第3部分介紹了新興的湧現智能，探討了基於群體智能的進化計算及其方法。
接下來是最新的發展，第4部分詳細介紹了神經網絡和深度學習。本
書最後一部分重點介紹了自然語言理解。
 本書可為人工智能和機器學習相關領域技術人員提供關鍵的人工智能與機器學習算法指導，
用於解決具有挑戰性的實際問題，如在智慧醫學、軟件診斷、財務決策、
語音識別、文本處理、遺傳分析等專業領域中的智能解決方案。

姜霞Xia Jiang

博士是美國匹茲堡大學醫學院生物醫學信息學系的副教授。
她在人工智能、機器學習、貝葉斯網絡和因果學習等方面擁有超過16年的教學和研究經驗，
並將這些方法用於建模和解決生物學、醫學和轉化科學領域的問題。
Xia Jiang博士率先將貝葉斯網絡和信息理論應用於從數據中學習因果關係（如遺傳認知學）的任務，
並且她在癌症信息學、概率醫學決策支持和生物監測領域進行了開創性研究。
她是Probabilistic Methods for Financial and Marketing Informatics（2007年）一書的合著者。

目錄
譯者序
原書前言
作者簡介
第1章 人工智能入門
1.1 人工智能的歷史
1.1.1 什麼是人工智能
1.1.2 人工智能的出現
1.1.3 認知科學與人工智能
1.1.4 人工智能的邏輯方法
1.1.5 基於知識的系統
1.1.6 人工智能的概率方法
1.1.7 進化計算和群體智能
1.1.8 神經網絡與深度學習
1.1.9 創建HAL
1.2 大綱
第1部分 邏輯智能
第2章 命題邏輯
2.1 命題邏輯基礎
2.1.1 語法
2.1.2 語義
2.1.3 重言式和邏輯含義
2.1.4 邏輯參數
2.1.5 派生系統
2.2 歸結
2.2.1 範式
2.2.2 歸結的推導
2.2.3 歸結算法
2.3 人工智能應用
2.3.1 基於知識的系統
2.3.2 wumpus wodd
2.4 討論和擴展閱讀
練習
第3章 一階邏輯
3.1 一階邏輯基礎
3.1.1 語法
3.1.2 語義
3.1.3 有效性和邏輯蘊涵
3.1.4 推導系統
3.1.5 一階邏輯的分離規則
3.2 人工智能應用
3.2.1 重訪wumpus world
3.2.2 計劃
3.3 討論和擴展閱讀
練習
第4章 特定知識表示
4.1 分類學知識
4.1.1 語義網
4.1.2 人類知識的組織模型
4.2 框架
4.2.1 框架數據結構
4.2.2 使用框架做旅行規劃
4.3 非單調邏輯
4.3.1 界限
4.3.2 默認邏輯
4.3.3 難點
4.4 討論和擴展閱讀
練習
第5章 學習確定性模型
5.1 監督學習
5.2 回歸
5.2.1 簡單線性回歸
5.2.2 多元線性回歸
5.2.3 過擬合和交叉驗證
5.3 參數估計
5.3.1 簡單線性回歸的參數估計
5.3.2 梯度下降
5.3.3 邏輯回歸和梯度下降
5.3.4 隨機梯度下降
5.4 決策樹的學習
5.4.1 信息論
5.4.2 信息增益和ID3算法
……
第2部分 概率智能
第3部分 湧現智能
第4部分 神經智能
第5部分 語言理解
參考文獻