前言

前言

自 2010 年以来,得益于深度学习(deep learning)的应用,图像识别技术取得了飞速发展,日本也迎来了第三次人工智能(Artificial Intelligence,AI)热潮。

在开发人工智能系统时,我们需要掌握机器学习的相关知识,其中包括线性代数、数学分析和一部分统计学知识等。本书就涵盖了这些内容,涉及范围之广是其他图书无法相提并论的。

另外,因为本书面向的读者群体是 IT 工程师,所以笔者并未深入解说那些数据科学家才能看懂的公式证明过程,对书中的一些内容,也只停留在介绍概要的程度。不过,本书中提到了很多应用程序开发者关心的算法和技术。

在本书的写作过程中,使用深度学习技术开发的各种应用程序层出不穷,所以很多信息无法纳入书中。对于本书未涉及的信息,感兴趣的读者可以参考其他图书。

希望本书能帮助读者理解难度较大的图书内容和技术说明,引导读者进行数据分析。

最后,感谢本书的审校者石井一夫教授以及给本书原稿提出宝贵意见的各位。

 

多田智史

2016 年 12 月吉日

目录

  • 版权声明
  • 前言
  • 关于本书
  • 第 1 章 人工智能的过去、现在和未来
  • 第 2 章 规则系统及其变体
  • 第 3 章 自动机和人工生命程序
  • 第 4 章 权重和寻找最优解
  • 第 5 章 权重和优化程序
  • 第 6 章 统计机器学习(概率分布和建模)
  • 第 7 章 统计机器学习(无监督学习和有监督学习)
  • 第 8 章 强化学习和分布式人工智能
  • 第 9 章 深度学习
  • 第 10 章 图像和语音的模式识别
  • 第 11 章 自然语言处理和机器学习
  • 第 12 章 知识表示和数据结构
  • 第 13 章 分布式计算
  • 第 14 章 人工智能与海量数据和物联网
  • 作者简介