【包邮送书】人工智能算法案例大全：基于Python

欢迎关注博主 Mindtechnist 或加入【智能科技社区】一起学习和分享Linux、C、C++、Python、Matlab，机器人运动控制、多机器人协作，智能优化算法，滤波估计、多传感器信息融合，机器学习，人工智能等相关领域的知识和技术。关注公粽号 《机器和智能》 回复关键词 “python项目实战” 即可获取美哆商城视频资源！

博主介绍：
CSDN博客专家，CSDN优质创作者，CSDN实力新星，CSDN内容合伙人；
阿里云社区专家博主；
华为云社区云享专家；
51CTO社区入驻博主，掘金社区入驻博主，支付宝社区入驻博主，博客园博主。

《人工智能算法案例大全：基于Python》

🎉🎉🎉🎉🎉 重磅福利 🎉🎉🎉🎉🎉
🎉本次送2套书 ，评论区抽2位小伙伴送书
🎉活动时间：截止到 2024-03-3010:00:00
🎉抽奖方式：评论区随机抽奖。
🎉参与方式：关注博主、点赞、收藏，评论。
❗注意：一定要关注博主，不然中奖后将无效！
🎉通知方式：通过私信联系中奖粉丝。
💡提示：有任何疑问请私信公粽号 《机器和智能》

专栏：《Linux内核设计思想与源码分析》

本书的编程语言以Python为主，详细介绍了人工智能算法的主流类别，涉及常见的数据特征处理、回归模型、基于实例的算法、树方法、神经网络、自然语言处理、社会网络、遗传算法和推荐算法。本书针对每一大类算法都介绍了该门类下的经典算法，并运用常见算法库以代码实现为目的，以商业分析、金融投资、科研辅助和工程优化等案例为对象，逐步讲解每一种算法的实现方法及在案例分析中的运用，部分案例配备了教学视频，可扫码实时观看。同时，随书还提供了程序源代码、授课用PPT等海量附加学习资源。
内容简介

购买链接：点击购买

本书适用的读者对象包括：商业分析师、高校科研工作者、互联网企业的算法工程师、大中专院校相关专业师生以及其他需要掌握人工智能算法知识的读者。

人工智能算法是可以执行计算、数据处理和自动推理任务的一种规律发现或问题解决的工具及方法。本书的编程语言以Python为主，按照研究分析的一般逻辑，从特征分析开始，介绍几大经典的人工智能算法类别，分别是特征处理算法、回归算法、基于实例的算法、树方法、神经网络、自然语言处理、社会网络、遗传算法和推荐算法。

第1章对人工智能算法是什么做了一个简介，从诞生开始，介绍了其一路成长的历史事件。同时，也介绍了各大人工智能流派。每一个流派都有自己的学术主张，这为接下来各章节介绍不同类别算法追溯了历史渊源。

第2章讲解了常见的数据特征处理，并重点介绍了主成分分析，然后以高新技术企业行业技术周期数据为对象应用特征处理算法进行了一个案例分析。

第3章从经典的线性回归模型出发，拓展到逻辑斯谛的回归模型，然后介绍了几种经典正则化方法，尤其对核岭回归、岭回归、LASSO之间的区别和联系做了探讨，并辅以美国社区和犯罪数据集的分析案例。

第4章讲解基于实例的算法，分别介绍了经典的分类算法KNN和聚类算法K-Means。

第5章主要讲解树方法，从简单的决策树开始，讲解基于并联的随机森林算法和基于串联的XGBoost算法。每一个算法都以相关的案例予以解释和实现。

第6章是神经网络，先讲解基础的多层感知器，然后分别介绍深度神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)三种主流神经网络结构。

第7章是自然语言处理，首先介绍一些文本处理的常用技巧，然后对Women’s Clothing E-Commerce Reviews数据集进行词向量模型的分类预测和情感分析，再介绍主题建模(Topic Modelling)技术，最后以大数据概念相关的财经新闻为对象应用内容分析法和主题建模进行主题分析和挖掘。

第8章首先介绍了社会网络的基本概念、可视化方法，然后对在线社交网络数据集和贵格会的成员网络数据集进行案例分析。

第9章介绍遗传算法，首先以旅行商问题(TSP)为例讲解了遗传算法的主要步骤，并将其运用到波士顿房价预测的特征筛选问题上，然后介绍Geatpy库的使用，并以此解决啤酒混合策略问题和房间布局优化问题。

第10章介绍推荐算法，以电影评分数据集为例介绍协同过滤推荐算法，以巡航数据和小费决策问题为例介绍模糊控制系统算法。

本书主要为帮助有志于从事人工智能领域相关工作的读者建立一套相对完整的知识体系，并增强其编程实现能力和问题解决能力。全书写作风格偏向于应用型和实用型，是一本具有工具书价值的实用操作指南。

读者定位和阅读方法

本书针对人工智能算法的经典大类进行分类介绍。在介绍每个大类算法时，都会挑选该类别下的经典算法进行详细介绍，然后再以具体的实例分析和代码实现来对该算法的应用进行完整解析。通过阅读本书，读者可以对人工智能算法形成一个系统、全面、完整的认识，有助于将算法知识运用于实践，从而增强实际运用能力和分析能力。本书适用的读者对象包括：商业分析师、科研工作者、互联网企业的算法工程师、大中专院校相关专业师生以及其他需要掌握人工智能算法知识的读者。

致商业分析师

在当代大电商背景下，网上消费、购物、交易的海量数据是一个巨大的金矿，在这个金矿中，深度需求和潜在需求有待商业分析师去进行挖掘。通过对这些商业数据的分析，可以进行相似性广告的推荐、进阶性需求挖掘等商业行为。而这些行为都需要人工智能算法对海量数据进行挖掘，从而做出正确的商业行为指导，这意味着商业分析师如果拥有人工智能算法技能和知识将会有着更广阔的职业发展空间。

致科研工作者

新时代的科学研究已经不能仅停留在对研究问题的定性分析层次了，更多需要更为深入的定量分析，而人工智能算法可以成为许多科研工作者在进行数据分析时的工具。本书注重代码实现和案例分析，所以无论是否具备数理背景，只需要看懂函数的输入和输出是什么，那么直接代入研究数据，一键运行程序即可得到相应的输出结果，这将为广大没有编程经验的科研工作者提供较大的研究助力。

致互联网企业的算法工程师

互联网企业对数据分析的需求是十分巨大的，互联网上的海量数据蕴藏着巨大的商机：内容推荐、客户行为刻画、搜索排名优化、异常行为识别和社群关系分析等都需要用到各种各样的人工智能算法。本书介绍的都是一些经典算法，通用性和鲁棒性都得到了实践的检验，所以可以满足各种应用场景下不同数据和需求的研究。欢迎算法工程师们多多应用本书的算法代码，检验书中算法的实际功效。

致教师

本书系统地介绍了人工智能的常见算法，可以作为数学、数学建模、统计、金融、管理科学和市场营销等专业本科生或研究生的教材、教辅。书中的内容虽然系统，但也相对独立，教师可以根据课程的学时和专业方向，选择合适的内容进行课堂教学，其他内容则可以作为参考。授课时，建议先补充讲解一定的计算机和编程知识。在备课的过程中，如果您需要书中的一些电子资料作为课件或授课支撑材料，可以直接扫描封底本书专属二维码进入云盘下载使用。

致学生

作为大数据时代的学生，人工智能算法是一项基本的数据分析技能，尤其是对以后有志于做科研工作的学生来说更应掌握。数据分析将会像当下Office软件使用一样，成为未来工作中必不可少的一部分，所以无论未来是否从事科研相关的工作，学习人工智能算法都将有助于个人的职业生涯发展。

致专业人士

对于从事人工智能算法研究的专业人士，可以关注本书的知识体系，因为该体系是当前算法类书籍中相对完善的。此外，本书所展示的算法案例和项目案例很多来源于作者的一手资料，也是本书的特色，值得借鉴。

感谢机构名单

感谢以下机构，在本书的撰写中提供了诸多支持。

浙大城市学院

浙大城市学院商学院

浙大城市学院数字金融研究院

杭州市哲学社会科学重点研究基地“数字化转型与社会责任管理研究中心”

金融学浙大城市学院一流本科专业配套资源

本书作者在人工智能领域从业多年，有着丰富的业界积累。对于有资源需求的读者，可以通过扫描封底二维码后输入本书专属验证码进入云盘下载相关程序源代码、教学视频和授课用PPT等人工智能算法的相关资源。同时，书中部分案例可扫描专属二维码观看教学视频。

勘误和支持

由于编写时间仓促，加之作者水平有限，书中不足之处在所难免。在此，诚恳地期待广大读者批评指正。如果您有什么建议，可以直接与出版社相关编辑及营销人员联系。在技术之路上如能与大家互勉共进，我们也将倍感荣幸。

作者简介
李一邨，浙大城市学院青年英才、浙江大学量化金融博士、杭州市科协智库专家、杭州科促会数据科学家与理事会理事、杭州师范大学校外指导老师，现任杭州伊园科技有限公司总经理。前沿量化科学领域的深耕者，致力于将多元学科的前沿理论嫁接融合到金融投资领域。曾连续5届（第8~12届）获得《证券时报》和《期货日报》联合评选的“中国最佳金融量化策略工程师”。

精彩书评

在大数据时代，机器学习算法如同大海中的船、战场上的枪。本书全面介绍了学界和业界都频繁使用的算法，对经典算法进行了详细介绍，可以成为学习者踏入专业算法开发道路的起点。

——-谢文武 教授 浙大城市学院商学院副院长，数字金融研究院常务副院长

本书兼顾了教学和应用两个方面，除了在代码层面对算法进行了详细介绍以外，还配备了教学视频。书中部分代码案例取材于一线人员的实际工作，读者可直接借鉴和使用，节约了重复开发和研究的时间。

——-郑健壮 教授

杭州市哲学社会科学重点研究基地“数字化转型与社会责任管理研究中心”主任 浙江省一流学科(工商管理) 负责人

本书在案例选择和讲解分析上下足了功夫。通过阅读本书，读者不仅可以理解算法的原理和方法，更可以认知算法的应用和实践，从而激发出改变、融合和创造新算法的能力。

——-何志坚 教授 香港科技大学机器人与多感知实验室主任