新书推荐 |人工智能没那么难！你要的算法+案例分析+代码统统有！文末福利！-技术圈

点击上图，查看教学大纲

近几年，随着大数据技术、机器学习、数据挖掘、数据科学以及人工智能等领域的发展与兴盛，各行各业掀起了一场新的技术革命。

对于企业而言，人工智能已成为不可或缺的存在。目前人工智能常见的应用领域有教育、金融、电商、制造以及医疗等行业。伴随5G 时代的到来，人工智能的发展一定将再次被提上日程。人工智能的兴盛离不开数学的发展，而人工智能的核心就是数学。

对于学生而言，该行业充满了许多种可能性。许多高校开设了数据科学这一门专业，其作为数学与计算机的交叉学科，旨在塑造集数学知识和计算机编程于一体的优秀人才。所以同学们，不要畏惧眼前的困难，只要你够专业，够精通，未来你就是HR眼里的 “香饽饽儿”。

本书分为5个章节，内容详实，涵盖了Python3 基础内容、多个模块，并涉及数据分析、经典算法和部分深度学习内容。所有算法、神经网络的知识点都结合案例分析和代码，让自学者轻松无压力。本书作者部分来自高校，常年的教学经验中他们发现学生往往学了却不知道怎么去应用。因此，本书以问题为导向，结合项目实战的教学设计方式，可以帮助教师抓住学生的真正需求，帮助学生达到“想实现什么”再“学什么”而不是“学什么”再“想要实现什么”的目的。

名称	人工智能算法与实战（Python + PyTorch）
类别	人工智能；数据分析；Python; Pytorch；
出版发行	清华大学出版社
目标读者	主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员、从事高等教育的专任教师、高等院校的在读学生及相关领域的广大科研人员。

基础与实战案例相结合，代码详尽、语言简明易懂，由浅入深带你学会Python机器学习与数据挖掘

常见短板

小白学习“难难难”！

为了撰写一门适合新学者的书籍，本书作者阅读了大量的相关书籍，却发现这些书存在着以下通病。

1. 学习门槛高，比如书籍理论性很强，不提供代码或者代码的实现过于简单；

2. 书籍中的代码存在明显的问题, 或代码多以掉包的形式展示，读者阅读困难；

3. 书籍内容衔接不连贯，知识脉络不清晰，对于新学者而言是一个巨大的挑战。

基于此，作者们定位目标群体，分别结合自己的教学经验与项目实战经验，完成了本书的撰写。

本书特色

为你安排的“明明白白”

1. 本书是一本以问题为导向的书籍，凡是已经具备了一定数学基础和 Python3 基础的读者，都能够轻松入门本书。

2. 作为一本关于人工智能算法的书籍，本书共有 5 个章节，短小精悍，内容详实，环环相扣。

3. 本书2、3章节对常用模块、描述分析的相关内容进行了扼要阐述和实例操作，为数据分析初学者提供了一个切入口。

4. 读者可以在短时间内学习本书中介绍的12种算法，深度学习的基础知识点，四种神经网络。所有知识点都结合案例分析。

给“安装小白”的福音，所有软件、库、Pytorch等的安装，作者都为你安排得明明白白！

经典算法

项目案例

(1) 体重指数（BMI）

(2) 蒙特卡洛方法求解π

(3) 利用牛顿法近似求解非线性方程

(4) 非线性方程组的求解

(5) 利用最小二乘预测某市的 GDP

(6) 通过线性回归构建臀围与体重的回归函数

(7) 利用逻辑回归预测模型预测研究生能否成功入学

(8) 利用 PCA进行人脸识别

(9) 线性判别对鸢尾花进行分类

(10) 决策树在是否打网球上的预测

(11) 随机森林在是否打网球上的预测

(12) 朴素贝叶斯在性别上的判断

(13) k最近邻算法在鸢尾花上的分类

(14) 利用 k-means 聚类在 Mall Customers 上的分类

(15) 协同过滤推荐算法

(16) SVD 压缩图像

(17) 利用梯度下降法拟合函数

(18) 手写体识别

(19) 卷积神经网络对垃圾进行分类

(20) 风格迁移神经网络在图像中的使用

知识概览

帮你血槽拉满

章节1带你迅速回顾Python基础内容，体验飞一般的速度。

章节2为你介绍多种常用的模块，如用于数值计算的 NumPy 模块、数学符号运算的 Sympy 模块、其中本书着重介绍了关于科学计算的 SciPy 模块，用于人工智能中数据处理的Pandas模块，以及用于数据可视化的 Matplotlib 模块等等。阐述简洁明了，通过实例操作加深对这些模块的印象！

章节3介绍了描述分析的相关内容和基本统计量。想要掌握速跳到这章，作者带你get数据分析的技巧。本章节主要介绍了数据的定义和分类，基本统计量、数据转换、常见距离以及多维数据，其中着重介绍了几种常见的基本统计量，比如变异系数、协方差以及相关系数等，数据转换主要介绍关于数据的标准化方法。

章节4主要介绍了关于人工智能的常见算法，共涉及12 种经典算法。算法涉及到监督学习和无监督学习，监督学习中，比如回归分析、判别分析、决策树、随机森林、以及推荐算法等，无监督学习中，比如主成分分析。给所有人工智能算法小白的福音：本章节的所有算法都有详细的算法原理、代码实现以及案例实现！

章节5带你进阶 PyTorch 和深度学习的有关内容，本章详细介绍了关于 PyTorch 的安装和基础知识，着重介绍了关于深度学习的基础知识点，比如梯度下降法、激活函数、卷积神经网络中的卷积、池化等概念。前馈神经网络、卷积神经网络、生成对抗网络、风格迁移神经网络是神马？别急，所有案例实现带你登堂入室！

学习收获

英雄必有用武之地！

干货：结合数学知识，掌握数据分析能力，理解算法背后的原理。

代码：掌握算法编程能力，学会自己去写一个算法。

实战：掌握一定的项目实战经验，尝试自己入手一个项目。

逻辑：打通知识的脉络，学会举一反三。

工作：从事数据分析、机器学习、数据挖掘或深度学习。

作者介绍

于祥雨 数据分析师、教育产品研发，硕士研究生。主要研究方向包括数据分析、深度学习和智能教育。长期从事数据分析、机器学习、数据挖掘和人工智能等方面的工作。近 3 年，参与多项国家自然基金项目。

李旭静 讲师，博士，杭州师范大学。主要从事微分方程数值解，算法研究和大数据分析等。主持国家自然科学基金1项，参与国家自然科学基金若干项。

邵新平 副教授，博士，研究生导师，杭州电子科技大学。主要研究领域：高性能科学计算，有限元算法，数据挖掘以及大数据分析等。已发表 SCI 期刊 10 余篇，主持国家自然科学基金 2 项，参与国家自然基金和浙江省自然科学基金若干项。

编辑推荐

本书可视为一本以问题为导向的书籍，非常适合具备一定数学基础和 Python3基础的读者学习。读者可以在短时间内学习本书中介绍的所有算法。

（1）以问题为导向，对基础理论知识点与算法演练进行详细讲解。

（2）实战案例丰富，涵盖20 个知识点案例、12 个完整项目案例。

（3）代码详尽，避免对 API 的形式展示，规避重复代码。

（4）语言简明易懂，由浅入深带你学会 Python 以及人工智能常见算法。

（5）各个算法相对独立，数学原理相对容易理解。

（6）配套资源丰富：微课视频、源代码、数据集、教学课件、教学大纲、安装程序

内容简介

本书基础理论和算法实现相结合，循序渐进地介绍关于人工智能领域中的常见算法，全面、系统地介绍了使用Python实现人工智能算法，并通过PyTorch框架实现人工智能算法中的深度学习内容。全书共5章，分别介绍Python的安装和基础知识、科学计算库、描述性分析、经典算法和深度学习等知识，书中的每个知识点都有相应的实现代码和实例。

本书主要面向广大从事数据分析、机器学习、数据挖掘或深度学习的专业人员，从事高等教育的专任教师，高等院校的在读学生及相关领域的广大科研人员。

抽奖福利

最后，为了回馈大家的支持，承志和清华大学出版社合作拿到了本书的5本赠书，将以抽奖的形式送给大家，想要获得本书的同学请在公众号后台回复关键字「2323」参与抽奖！