华东师范大学在人工智能基础教育领域一直处于国内领先，本选题是华东师范大学团队和知名AI企业联合打造的集基础知识与应用实践于一体的人工智能入门教材。

这本教材系统全面地介绍了人工智能的基础知识和实践应用方法，主要内容包括人工智能理论、人工智能经典技术流派、人工智能前沿技术实践，和人工智能新兴技术应用等。本书力求叙述简练，概念清晰，通俗易懂，并提供了丰富的实战案例，以培养学生的理论素养、应用能力、创新能力为核心目标。

本书对人工智能理论、机器学习理论、常见机器学习算法、深度学习、计算机视觉、自然语言处理和人工智能前沿技术等进行了全面介绍，并设计了大量应用案例对算法进行解析。旨在培养学生的理论基础和实践能力。

本书可作为高等院校和高职院校人工智能通识类课程教材，还可作为机器学习相关领域开发人员、工程技术人员和研究人员的自学参考用书，也适用于人工智能交叉学科研究的相关工作人员参考学习。

01 作者简介

刘艳：博士，副教授，任职于华东师范大学数据科学与工程学院。主要研究方向为模式识别、机器学习、人工智能、人工智能教育。担任上海市人工智能专业委员会委员、副秘书长；上海市人工智能协会理事；上海市计算机等级考试（人工智能二、三级）命题专家；华为、阿里、英特尔等知名AI企业的人工智能项目导师；中国大学生计算机设计大赛评审专家；中华人民共和国第二、三届职业技能大赛人工智能工程赛项裁判；上海市第一、二届职业大赛（人工智能工程师、人工智能训练师）总裁判长；上海市“浦东杯”人工智能创新应用大赛命题及评审专家等。国内外多个SCI期刊编委、审稿专家。

02 教材目录

第1章 人工智能基本概念

1.1 人工智能定义

1.2人工智能的研究内容

1.3人工智能的流派

1.4 Python编程语言基础

1.5常见人工智能开发框架

1.6本章练习

第2章 机器学习

2.1 机器学习的起源和发展

2.2 机器学习基本术语

2.3机器学习的分类

2.4数据集获取及预处理

2.5机器学习模型评估方法

2.6课后习题

第3章 KNN分类算法

3.1 KNN分类算法基本原理

3.2 KNN综合实践

3.3 课后习题

第4章 Kmeans聚类算法

4.1 K均值算法基本概念

4.2 K均值算法流程

4.3 课后习题

第5章 回归算法

5.1 线性回归

5.2 多项式回归

5.3 逻辑回归

5.4 Softmax回归

5.5 本章练习

第6章 决策树算法

6.1 决策树

6.2 分类与回归决策树

6.3 随机森林算法

6.4 本章练习

第7章 深度学习

7.1 从线性回归到神经网络

7.2 神经网络

7.3 深度学习

7.4 深度学习案例与代码实现

7.5 本章练习

第8章 计算机视觉

8.1 计算机视觉概述

8.2 计算机视觉代码实践

8.3 基于Yolo的计算机视觉案例

8.4本章练习

第9章 自然语言处理

9.1 自然语言处理的起源和发展

9.2 自然语言处理流程

9.3 词向量技术

9.4 本章练习

第10章 人工智能前沿技术

10.1 强化学习

10.2 迁移学习

10.3 可信人工智能

10.4 本章练习

关于图书的更多详细介绍，请您查阅文章的原文：

https://mp.weixin.qq.com/s/UpXimROqDUxRkNcz1Wjyyg