本书分为四个部分。第1部分简单概述人工智能。第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。

译者序
序
前言
致谢
第一部分思考的机器：人工智能概述
第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
第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章聚焦很好方法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
第二部分机器学习
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
9.2k最近邻算法95
9.3k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
第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
第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
第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
第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
第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
第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
第16章关键挑战166
16.1获取足够多的高质量数据166
16.2隔离训练数据与测试数据168
16.3谨慎选择你的训练数据集168
16.4采取探索性的方法169
16.5选择正确的工具解决问题169
16.6本章小结169
第四部分人工智能实践
第17章利用自然语言处理的威力172
17.1利用自然语言理解技术从文本和语音中提取线索174
17.2利用自然语言生成技术提供合理的反馈175
17.3客户服务的自动化177
17.4梳理主流的自然语言处理工具和资源179
17.4.1自然语言理解工具180
17.4.2自然语言生成工具181
17.5本章小结183
第18章客户互动自动化184
18.1选择自然语言技术186
18.2梳理构建聊天机器人及虚拟代理的主流工具187
18.3本章小结189
第19章提升基于数据的决策190
19.1在自动化决策和基于直觉的决策中做出选择192
19.2从物联网设备实时收集数据193
19.3梳理自动化决策工具194
19.4本章小结196
第20章利用机器学习预测事件及结果197
20.1机器学习是关于数据标记的技术198
20.2看看机器学习能够做什么200
20.2.1预测客户会购买什么200
20.2.2在被问之前回答问题200
20.2.3让决策更好更快202
20.2.4在商业中复制专业知识203
20.3利用你的能力做好事而不是作恶：机器学习伦理204
20.4梳理主流的机器学习工具206
20.5本章小结208
第21章构建人工智能系统210
21.1区分智能化和自动化212
21.2在深度学习中增加层213
21.3人工神经网络应用214
21.3.1将优质客户分类215
21.3.2商店布局推荐216
21.3.3分析及跟踪生物特征217
21.4梳理主流深度学习工具218
21.5本章小结220