人工智能應用(從入門到專業)

佐爾坦·索莫吉，比利時人，機器學習與人工智能、業務改進與簡化、創新、數字轉換、商業智能領域的專家、資深經理。比利時魯汶大學博士，比利時弗拉瑞克商學院工商管理碩士、匈牙利布達佩斯技術與經濟大學碩士。楊勇，武警警官學院信息通信系主任、教授、博士。長期從事指揮與控制、人工智能和兵棋的教學與研究。承擔和主研國家自然科學基金3項，省部級項目30餘項。徐磊，武警警官學院信息通信系副教授、碩士。長期從事作戰模擬的教學與研究。承擔和主研國家自然科學基金1項，省部級項目20餘項。史洋，武警警官學院信息通信系作戰模擬與模擬教研室講師、碩士。長期從事指揮信息系統工程，人工智能和兵棋推演的教學與研究工作。

第1部分 導論
第1章 機器學習和人工智能概述
1.1 概述
1.2 理解機器學習
1.2.1 準確率和泛化誤差
1.3 監督學習
1.3.1 監督學習的應用
1.4 無監督學習
1.4.1 無監督學習的應用
1.5 強化學習
1.5.1 強化學習的應用
第2部分 深入瞭解機器學習
第2章 機器學習算法
2.1 概述
2.2 監督學習算法
2.2.1 支持向量機
2.2.2 前饋神經網絡：深度學習
2.2.2.1 激活函數
2.2.2 前饋神經網絡：深度學習
2.2.2.1 激活函數
2.2.2.2 神經網絡層和連接類型
2.2.2.3 學習過程
2.2.2.4 如何設計神經網絡
2.2.3 捲積前饋神經網絡：深度學習
2.2.3.1 輸入層
2.2.3.2 捲積層
2.2.3.3 池化層
2.2.4 循環神經網絡
2.2.4.1 長短時記憶單元
2.2.5 隨機森林（決策樹）
2.3 無監督學習算法
2.3.1 k均值聚類
2.3.2 MeanShift聚類
2.3.3 DBScan聚類
2.3.4 層次聚類
2.4 強化學習算法
2.4.1 行為選擇策略：智能體是如何選擇行為的？
2.4.2 獎勵函數：什麽是折現累積未來獎勵？
2.4.3 狀態模型：環境的行為模式
2.4.4 例1：簡單業務流程的自動化
2.4.4.1 行為
2.4.4.2 獎勵策略的設計
2.4.4.3 學習過程
2.4.5 例2：倒立擺
2.4.5.1 行為
2.4.5.2 環境
2.4.5.3 獎勵策略的設計
2.4.5.4 學習過程
2.5 混合模型：從自編碼器到深度生成模型
2.5.1 自編碼器
2.5.2 變分自編碼器和生成機器學習模型
2.5.3 生成對抗網絡
第3章 機器學習模型的性能評估
3.1 概述
3.2 監督學習模型的性能指標
3.2.1 均方根誤差
3.2.2 混淆矩陣
3.2.3 準確率
3.2.4 科恩卡帕系數
3.2.5 單一類別性能指標
3.2.5.1 精確度
3.2.5.2 召回率和假負類率
3.2.5.3 真負類率和假正類率
3.2.5.4 F1分數
3.2.5.5 加權全局性能指標
3.2.5.6 ROC曲線和AUC性能指標
3.3 無監督學習（聚類）的性能指標
3.3.1 基於內部標準的性能評估指標
3.3.1.1 輪廓系數
3.3.1.2 卡林斯基-哈拉巴茲指數
3.3.1.3 Xu指數
3.3.1.4 確定最佳簇數
3.3.2 基於外部標準的性能評估指標
3.3.2.1 純度指標
3.3.2.2 列聯表
3.3.2.3 蘭德指數
3.3.2.4 精確度、召回率和F1分數
3.3.2.5 基於外部標準的性能評估指標：實例
第4章 機器學習數據
4.1 概述
4.2 數據策略
4.3 機器學習數據策略和任務
4.3.1 機器學習工作流
4.3.2 數據預處理
4.3.2.1 數據清洗
4.3.2.2 數據轉換
4.3.2.3 數據離散化
4.3.2.4 數據採樣
4.3.2.5 實例：引入新的銀行服務，確定樣本大小
4.3.2.6 數據重採樣消除數據類別不平衡
4.3.2.7 特徵選擇
4.3.2.8 數據歸一化：縮放和平移
4.3.2.9 訓練/測試數據選擇
4.3.3 數據採集和存儲
4.3.3.1 數據採集
4.3.3.2 數據傳輸
第3部分 自動語音識別
第5章 自動語音識別
5.1 概述
5.2 信號處理：聲學信號
5.2.1 音高
5.2.2 頻譜圖
……
第4部分 生物特徵識別
第5部分 機器學習案例
第6部分 AI-TOOLKIT讓機器學習更簡單