书名：认识AI：人工智能如何赋能商业（原书*2版）  
定价：79.0  
ISBN：9787111691778  
作者：道格·罗斯  
版次：1  

内容提要：  

本书分为四个部分。*1部分简单概述人工智能。*2部分对概述进行扩展，并加深读者对机器学习的理解。第3部分涉及神经网络，即计算机通过使用相互连接的多层人工神经元层来模拟人脑的结构和功能。第4部分介绍一些使用人工智能辅助商业的常用工具。

目录：  

译者序
序
前言
致谢
*一部分 思考的机器：人工智能概述
*1章 什么是人工智能 2
1.1 什么是智能 3
1.2 测试机器的智能 5
1.3 解决问题的一般方法 7
1.4 强人工智能与弱人工智能 10
1.5 人工智能规划 12
1.6 学习胜过记忆 14
1.7 本章小结 16
*2章 机器学习的兴起 18
2.1 机器学习的实际应用 21
2.2 人工神经网络 23
2.3 感知机的兴衰 26
2.4 大数据时代来临 29
2.5 本章小结 32
第3章 聚焦*佳方法 33
3.1 专家系统与机器学习 33
3.2 监督学习与无监督学习 35
3.3 误差反向传播 37
3.4 回归分析 39
3.5 本章小结 41
第4章 通用人工智能应用 42
4.1 智能机器人 43
4.2 自然语言处理 45
4.3 物联网 47
4.4 本章小结 48
第5章 让大数据插上人工智能的翅膀 50
5.1 理解大数据的基本概念 51
5.2 与数据科学家合作 52
5.3 机器学习与数据挖掘的区别 52
5.4 从数据挖掘到机器学习的飞跃 53
5.5 采用正确的方法 54
5.6 本章小结 56
第6章 权衡你的选择 58
*二部分 机器学习
第7章 什么是机器学习 64
7.1 机器怎么学习 68
7.2 处理数据 70
7.3 应用机器学习技术 73
7.4 学习的类型介绍 75
7.5 本章小结 78
第8章 机器学习的范式 79
8.1 监督机器学习 79
8.2 无监督机器学习 82
8.3 半监督机器学习 84
8.4 强化学习 86
8.5 本章小结 88
第9章 主流机器学习算法 89
9.1 决策树 93
9.2 k*近邻算法 95
9.3 k均值聚类 98
9.4 回归分析 101
9.5 朴素贝叶斯 103
9.6 本章小结 106
*10章 机器学习算法应用 107
10.1 利用算法模型拟合数据 110
10.2 选择算法 112
10.3 集成建模 112
10.4 决定机器学习范式 115
10.5 本章小结 115
*11章 几个建议 117
11.1 开始提问 117
11.2 不要混用训练数据和测试数据 119
11.3 不要夸大模型的精度 119
11.4 了解你的算法 120
11.5 本章小结 120
第三部分 人工神经网络
*12章 什么是人工神经网络 124
12.1 为什么与大脑类比 126
12.2 只是另外一个惊人的算法 126
12.3 了解感知机 128
12.4 采用sigmoid神经元 131
12.5 添加偏置项 133
12.6 本章小结 134
*13章 人工神经网络实战 136
13.1 将数据输入神经网络 136
13.2 隐藏层到底发生了什么 138
13.3 理解激活函数 141
13.4 添加权重 144
13.5 添加偏置项 145
13.6 本章小结 146
*14章 让神经网络开始学习 147
14.1 从随机权重和随机偏置项开始 148
14.2 让神经网络为错误买单：损失函数 149
14.3 结合损失函数和梯度下降法 150
14.4 利用反向传播纠正误差 152
14.5 调优神经网络 156
14.6 使用链式法则 156
14.7 利用随机梯度下降法对训练集批处理 158
14.8 本章小结 159
*15章 利用神经网络进行聚类和分类 160
15.1 求解分类问题 161
15.2 求解聚类问题 163
15.3 本章小结 165
*16章 关键挑战 166
16.1 获取足够多的高质量数据 166