书名：人工智能算法基础
定价：109.0
ISBN：9787301329184
作者：唐宇迪等
版次：1
出版时间：2022-03

内容提要：
当前AI图书市场，理论知识与实践经验的脱节，是很多书籍的缺点。本书立足于理论，从实例入手，将理论知识和实际应用结合，目标是让读者能够快速地熟悉人工智能中经典算法。全书分为4篇，共20章。其中di1篇为基础算法篇，主要讲述排序、查找、线性结构、树、队列、散列、图、堆栈等基本数据结构算法；di2篇为机器学习算法篇，主要讲述分类算法、回归算法、聚类算法、降维算法和集成算法；di3篇为强化学习算法篇，主要讲述基于价值的强化学习算法和基于策略的强化学习算法；di4 篇为深度学习算法篇，主要讲述神经网络模型算法、循环神经网络算法和卷积神经网络算法等内容。 本书适合从事数据科学与人工智能相关行业的读者阅读。



作者简介：
唐宇迪，计算机专业博士，网易云课堂人工智能认证行家，51CTO学院讲师，CSDN博客讲师。拥有多年人工智能领域培训经验，带领课程研发团队累计开发AI课程60余门，覆盖当下人工智能热门应用领域。2020年10月在我社出版《人工智能数学基础》，定价119元，印刷1.6万册。 史卫亚，，1973年4月出生，博士，副教授，IEEE会员，CCF会员，INNS会员。2009年获得复旦大学计算机应用专业博士学位。2015-2016年在美国北卡罗纳大学做访问学者，现执教于河南工业大学信息科学与工程学院。主要研究方向：机器学习、数据库、图像和视频处理、人工智能和模式识别。 罗召勇，B站人气网红讲师，录制的“数据结构与算法”“微信公众号开发”“分布式微服务架构（直播回放）”“微信公众号开发springboot版”视频课程发布于B站、腾讯课堂、网易云课堂、爱奇艺课堂等各大平台，累计播放量chao50万，其中B站播放量30万余，获得网络学员的一致好评。1+X大数据职业技能等级考试出题人，1+X大数据职业技能等级考试师资培训专家，贵州省教育科学院官网项目技术指导。

目录：

di0章  人工智能与算法1

0.1　人工智能发展的水平2

0.2　人工智能技术总览3

0.3　算法在人工智能技术中的地位9

0.4　学好算法能有哪些竞争优势10

  di1章  排序算法12

1.1　冒泡排序（Bubble Sort）13

1.2　直接插入排序（Insert Sort）20

1.3　直接选择排序（Select Sort）24

1.4　升级版冒泡排序——快速排序（Quick Sort）26

1.5　升级版插入排序——希尔排序（Shell Sort）29

1.6　升级版选择排序——堆排序（Heap Sort）31

1.7　归并排序（Merge Sort）34

1.8　基数排序（Radix Sort）36

1.9　应用：应该使用哪种排序算法40

1.10　gao手点拨42

1.11　编程练习42

1.12　面试真题42

di2章  查找算法43

2.1　线性查找（Line Search）——傻瓜式查找44

2.2　二分查找（Binary Search）——排除另一半44

2.3　插值查找（Insert Search）——预判位置45

2.4　斐波那契查找（Fibonacci Search）——黄金分割法46

2.5　树结构查找（Tree Search）48

2.6　散列查找（Hash Search）48

2.7　应用：自实现indexOf函数49

2.8　gao手点拨49

2.9　编程练习50

2.10　面试真题50

  di3章  字符串算法51

3.1　朴素算法52

3.2　KMP算法53

3.3　Boyer-Moore算法55

3.4　Rabin-Karp算法59

3.5　Trie树59

3.6　应用：AC自动机算法60

3.7　gao手点拨64

3.8　编程练习65

3.9　面试真题65

  di4章  线性结构66

4.1　链表67

4.2　栈72

4.3　队列73

4.4　应用：逆波兰计算器74

4.5　gao手点拨81

4.6　编程练习82

4.7　面试真题82

  di5章  树结构83

5.1　树结构概述84

5.2　二叉树 84

5.3　线索二叉树90

5.4　二叉查找树92

5.5　K近邻算法与k-d树111

5.6　赫夫曼树119

5.7　多路查找树134

5.7.1　 2-3树134

5.7.2　B树140

5.7.3　B+树140

5.8　gao手点拨141

5.9　编程练习141

5.10　面试真题142

  di6章  堆结构143

6.1　二叉堆144

6.2　d-堆144

6.3　二项堆145

6.4　斐波那契堆148

6.5　左式堆150

6.6　斜堆152

6.7　应用：优先队列152

6.8　gao手点拨153

6.9　编程练习153

6.10　面试真题153

  di7章  散列结构154

7.1　散列概述155

7.2　散列函数的设计156

7.3　解决冲突157

7.4　完美散列160

7.5　应用161

7.6　gao手点拨162

7.7　编程练习162

7.8　面试真题162

  di8章  图结构163

8.1　图结构概述164

8.2　图的存储167

8.3　图的搜索170

8.4　拓扑排序173

8.5　应用：修路问题175

8.6　gao手点拨178

8.7　编程练习179

8.8　面试真题179

  di9章  递归算法180

9.1　递归的概述181

9.2　应用：汉诺塔问题183

9.3　gao手点拨185

9.4　编程练习185

9.5　面试真题185

  di10章  分类算法186

10.1　分类算法概述187

10.2　决策树192

10.3　支持向量机207

10.4　朴素贝叶斯算法223

10.5　综合案例——基于SVM算法的癌症预测231

10.6　gao手点拨235

10.7　编程练习236

10.8　面试真题236

  di11章  回归算法237

11.1　回归算法概述238

11.2　线性回归算法238

11.3　逻辑回归算法251

11.4　综合案例——信用卡欺诈检测259

11.5　gao手点拨264

11.6　编程练习266

11.7　面试真题267

  di12章  聚类算法268

12.1　聚类算法概述269

12.2　K-means算法270

12.3　K-means算法实践276

12.4　DBSCAN算法284

12.5　综合案例——图像分割290

12.6　gao手点拨292

12.7　编程练习293

12.8　面试真题294

  di13章  降维算法295

13.1　降维算法概述296

13.2　主成分分析296

13.3　线性判别分析306

13.4　综合案例——基于PCA和逻辑回归算法对鸢尾花数据集分类313

13.5　gao手点拨315

13.6　编程练习316

13.7　面试真题317

  di14章  集成学习算法318

14.1　集成学习概述319

14.2　Bagging算法319

14.3　Boosting算法321

14.4　XGBoost算法322

14.5　综合案例——基于XGBoost算法的客户流失预测335

14.6　gao手点拨346

14.7　编程练习346

14.8　面试真题347

  di15章  基于价值的强化学习(Value-Based RL)算法348

15.1　强化学习349

15.2　Q-Learning算法351

15.3　DQN（Deep Q-Learning）算法356

15.4　综合案例——让AI自主探索迷宫363

15.5　gao手点拨366

15.6　编程练习366

15.7　面试真题366

  di16章  基于策略的强化学习(Policy-Based RL)算法367

16.1　策略梯度（Policy Gradient）算法368

16.2　Actor-Critic算法377

16.3　综合案例——chao级马里奥的实现386

16.4　gao手点拨389

16.5　编程练习389

16.6　面试真题389

  di17章  神经网络模型算法390

17.1　神经网络概述391

17.2　神经元模型和神经网络模型392

17.3　BP神经网络算法39

17.4　综合案例——使用神经网络进行回归预测403

17.5　gao手点拨407

17.6　编程练习407

17.7　面试真题408