\t本书分为基础篇、中级篇和高级篇，主要介绍人工智能的原理和编程实现案例，本书的编程部分从利用Python实现AI算法，过渡到利用高级框架keras，使读者在理解人工智能原理的基础上，还能自己动手做相关的项目。本书的代码以Windows操作系统为基础，读者可自行运行书中的案例。

  
\t基础篇



\t第一章 绪论



\t第一节 人工智能、机器学习和深度学习



\t第二节 编程环境



\t第二章 人工神经网络基础



\t第一节 感知器



\t第二节 sigmoid分类器



\t第三节 softmax多分类器



\t第四节 多层感知器



\t第五节 深度神经网络



\t第六节 回归



\t第三章 深度学习Python框架



\t第一节 使用框架的缘由



\t第二节 深度学习框架简介



\t第三节 Keras框架



\t第四节 Keras框架应用示例



\t第四章 深度学习正则化



\t第一节 参数范数惩罚



\t第二节 稀疏表征



\t第三节 数据扩充与注入噪声



\t第四节 早停



\t第五节 dropout



\t第五章 深度学习的优化



\t第一节 神经网络优化困难和挑战



\t第二节 动量学习法



\t第三节 AdaGrad



\t第四节 RMsProp



\t第五节 Adam



\t第六节 Keras中优化器的使用



\t第七节 参数初始化策略



\t第八节 批量归一化



\t中级篇



\t第六章 卷积神经网络



\t第一节 卷积



\t第二节 池化



\t第三节 用Keras搭建CNN网络



\t第四节 深度残差网络ResNet



\t第五节 DenseNet



\t第七章 循环神经网络



\t第一节 循环神经网络的基本结构



\t第二节 基本循环神经网络的几个变种



\t第三节 门控循环神经网络



\t第四节 IndRNN



\t第五节 RNN的Keras实现



\t第八章 数据获取与处理



\t第一节 数据的重要性



\t第二节 现成的数据集



\t第三节 数据爬取



\t第四节 其他数据获取方法



\t第五节 数据清洗



\t第六节 数据预处理



\t第七节 文本数值化



\t第八节 声音数据预处理



\t第九节 数据的调整和数据集的划分



\t高级篇



\t第九章 生成对抗网络



\t第一节 经典GAN



\t第二节 DCGAN



\t第三节 利用条件GAN架构实现图像风格转换



\t第四节 CycleGAN



\t第十章 深度强化学习



\t第一节 强化学习



\t第二节 深度强化学习



\t第三节 教AI玩球碰球游戏



\t第四节 双Q学习



\t第五节 深度确定性策略梯度



\t第十一章 大语言模型



\t第一节 机器翻译和Attention



\t第二节 Transformer



\t第三节 GPT和ChatGPT



\t第四节 BERT



\t参考文献



\t后记