導(dǎo)論 人工智能與大數(shù)據(jù)基礎(chǔ)概述 001 0.1 人工智能的基本概念 001 0.1.1 智能 001 0.1.2 人工智能的特征 002 0.2 人工智能的發(fā)展簡史 004 0.3 人工智能的研究內(nèi)容 005 0.4 人工智能的三大流派 009 0.4.1 符號主義 009 0.4.2 聯(lián)結(jié)主義 010 0.4.3 行為主義 011 0.5 人工智能的社會學(xué)意義 011 第1篇 符號主義人工智能 第1章 知識表示方法 018 1.1 知識表示基本概念 018 1.1.1 知識的基本定義 018 1.1.2 知識的類型 018 1.1.3 知識的重要性 018 1.2 知識的特征 019 1.2.1 可傳遞性 019 1.2.2 可累積性 019 1.2.3 動態(tài)性 019 1.2.4 情境性 019 1.2.5 復(fù)雜性 019 1.2.6 不確定性 019 1.3 知識在人工智能中的重要性 020 1.4 知識表示 020 1.4.1 符號表示 020 1.4.2 邏輯表示 021 1.4.3 語義表示 021 1.4.4 比較與分析 021 1.5 命題邏輯及一階謂詞邏輯 022 1.5.1 命題 022 1.5.2 謂詞 023 1.5.3 謂詞公式 024 1.5.4 謂詞公式的性質(zhì) 025 1.5.5 一階謂詞邏輯知識表示方法 026 1.5.6 一階謂詞邏輯表示法的特點(diǎn) 028 1.6 產(chǎn)生式表示法 030 1.6.1 產(chǎn)生式 030 1.6.2 產(chǎn)生式系統(tǒng) 031 1.6.3 產(chǎn)生式系統(tǒng)—動物識別系統(tǒng) 031 1.6.4 產(chǎn)生式表示法的特點(diǎn) 033 1.7 框架表示法 033 1.7.1 框架表示法的概念 033 1.7.2 框架表示法的起源 034 1.7.3 框架的一般結(jié)構(gòu) 034 1.7.4 用框架表示知識的例子 034 1.7.5 框架表示法的特點(diǎn) 035 1.8 知識圖譜 036 1.8.1 知識圖譜定義 036 1.8.2 知識圖譜的表示 037 1.8.3 知識圖譜的架構(gòu) 038 1.8.4 知識圖譜的典型應(yīng)用 039 第2章 確定性推理方法 041 2.1　推理的基本概念 042 2.1.1 推理的定義 042 2.1.2 推理方式及其分類 042 2.1.3 推理的方向 044 2.1.4 沖突消解策略 047 2.2　自然演繹推理 049 2.3　謂詞公式化為子句集方法 050 2.3.1 基本概念 050 2.3.2 子句集化簡方法 050 2.4　魯濱遜歸結(jié)原理 052 2.4.1 命題邏輯中的歸結(jié)原理（基子句的歸結(jié)） 052 2.4.2 謂詞邏輯中的歸結(jié)原理（含有變量的子句的歸結(jié)） 053 2.5　歸結(jié)反演 053 2.5.1 歸結(jié)反演證明步驟 053 2.5.2 歸結(jié)反演求解問題步驟 054 2.5.3 歸結(jié)反演的應(yīng)用與局限性 056 2.6　產(chǎn)生式系統(tǒng) 056 2.6.1 基本概念 056 2.6.2 產(chǎn)生式系統(tǒng)的分類 057 2.6.3 其他產(chǎn)生式系統(tǒng) 058 2.7　非單調(diào)推理 059 2.7.1 缺省推理 059 2.7.2 真值維持系統(tǒng) 060 2.7.3 非單調(diào)推理的優(yōu)勢與局限性 061 第2篇 行為主義人工智能 第3章　搜索策略 065 3.1　搜索概念 065 3.1.1 狀態(tài)空間的搜索策略 065 3.1.2 狀態(tài)空間的圖描述 066 3.1.3 八數(shù)碼問題 067 3.2　盲目搜索策略 067 3.2.1 寬度優(yōu)先搜索 067 3.2.2 深度優(yōu)先搜索 068 3.2.3 迭代深化深度優(yōu)先搜索 069 3.2.4 一致代價(jià)搜索 069 3.2.5 回溯策略 070 3.3　啟發(fā)式搜索策略 070 3.3.1 貪心搜索 072 3.3.2 A*搜索算法 073 3.3.3 蒙特卡羅樹搜索算法 076 3.3.4 啟發(fā)式搜索策略的應(yīng)用 079 第4章　智能算法及其應(yīng)用 080 4.1　群智能算法 081 4.1.1 分布式控制 081 4.1.2 自組織現(xiàn)象 082 4.1.3 局部規(guī)則與全局行為 084 4.2　粒子群優(yōu)化算法 085 4.2.1 粒子群優(yōu)化算法的參數(shù)調(diào)節(jié) 088 4.2.2 粒子群優(yōu)化算法的應(yīng)用 089 4.3　蟻群算法 092 4.3.1 蟻群算法基本原理 092 4.3.2 蟻群算法的基本步驟 093 4.3.3 蟻群算法的數(shù)學(xué)模型 094 4.3.4 蟻群算法的進(jìn)化與變種 094 4.3.5 蟻群算法的混合與交叉進(jìn)化 095 4.3.6 蟻群算法在動態(tài)環(huán)境中的變種 097 4.3.7 蟻群算法應(yīng)用 098 4.4　進(jìn)化算法 100 4.4.1 進(jìn)化算法的三大分支 102 4.4.2 進(jìn)化算法的應(yīng)用 103 4.4.3 基本遺傳算法 104 4.4.4 遺傳算法的改進(jìn)算法 110 4.4.5 遺傳算法的應(yīng)用 115 4.4.6 其他群智能算法 117 4.5　強(qiáng)化學(xué)習(xí) 123 4.5.1 馬爾可夫決策過程 124 4.5.2 策略 125 4.5.3 價(jià)值函數(shù) 126 4.5.4 貝爾曼方程 126 4.5.5 經(jīng)典強(qiáng)化學(xué)習(xí)算法 127 第3篇 聯(lián)結(jié)主義人工智能 第5章　數(shù)據(jù)科學(xué)基礎(chǔ)理論與數(shù)據(jù)預(yù)處理 133 5.1　數(shù)據(jù)科學(xué)概述 133 5.1.1 數(shù)據(jù)科學(xué)基本概念 133 5.1.2 數(shù)據(jù)計(jì)算平臺與數(shù)據(jù)管理 135 5.2　數(shù)據(jù)質(zhì)量 136 5.2.1 數(shù)據(jù)質(zhì)量的重要性 136 5.2.2 數(shù)據(jù)質(zhì)量的評估指標(biāo) 137 5.3　數(shù)據(jù)審計(jì) 138 5.3.1 數(shù)據(jù)審計(jì)的目的與意義 138 5.3.2 數(shù)據(jù)審計(jì)的方法 138 5.4　數(shù)據(jù)清洗 140 5.4.1 缺失值處理 140 5.4.2 冗余數(shù)據(jù)清洗 143 5.4.3 異常值檢測與處理 143 5.5　數(shù)據(jù)變換 145 5.5.1 數(shù)值縮放 145 5.5.2 數(shù)據(jù)離散化 146 5.5.3 數(shù)據(jù)降維 147 5.5.4 數(shù)據(jù)分布變換 149 5.5.5 特征構(gòu)造與交互項(xiàng)生成 150 5.6　數(shù)據(jù)集成 152 5.6.1 數(shù)據(jù)集成的核心概念 152 5.6.2 常用的數(shù)據(jù)集成方法 153 第6章　數(shù)據(jù)統(tǒng)計(jì) 157 6.1　概率分布 157 6.1.1 離散型分布 157 6.1.2 連續(xù)型分布 159 6.2　參數(shù)估計(jì) 162 6.2.1 點(diǎn)估計(jì) 162 6.2.2 區(qū)間估計(jì) 165 第7章　機(jī)器學(xué)習(xí) 167 7.1　機(jī)器學(xué)習(xí)概述 167 7.1.1 什么是機(jī)器學(xué)習(xí) 167 7.1.2 發(fā)展歷程 168 7.1.3 基本概念 170 7.1.4 模型評估與評估指標(biāo) 173 7.2　機(jī)器學(xué)習(xí)算法 174 7.2.1 監(jiān)督學(xué)習(xí) 175 7.2.2 無監(jiān)督學(xué)習(xí) 178 7.2.3 半監(jiān)督學(xué)習(xí) 182 7.3　機(jī)器學(xué)習(xí)策略及典型算法 184 7.3.1 分類 184 7.3.2 回歸 187 7.3.3 聚類 190 7.3.4 降維 192 第8章　深度學(xué)習(xí) 196 8.1　深度學(xué)習(xí)發(fā)展概述 196 8.2　深度學(xué)習(xí)基本概念 199 8.2.1 數(shù)據(jù)相關(guān)概念 199 8.2.2 模型相關(guān)概念 200 8.2.3 誤差反向傳播算法 201 8.2.4 激活函數(shù) 201 8.2.5 損失函數(shù) 204 8.3　深度學(xué)習(xí)典型算法 206 8.3.1 前饋神經(jīng)網(wǎng)絡(luò) 206 8.3.2 卷積神經(jīng)網(wǎng)絡(luò) 207 8.3.3 循環(huán)神經(jīng)網(wǎng)絡(luò) 210 8.3.4 長短期記憶神經(jīng)網(wǎng)絡(luò) 211 8.3.5 圖神經(jīng)網(wǎng)絡(luò) 213 8.3.6 自編碼器 215 8.3.7 變分自編碼器 217 8.3.8 注意力機(jī)制 218 8.3.9 自注意力機(jī)制 220 8.3.10 Transformer 221 8.3.11 生成對抗網(wǎng)絡(luò) 223 8.3.12 擴(kuò)散模型 224 第4篇 大數(shù)據(jù)基礎(chǔ) 第9章　大數(shù)據(jù)概述 228 9.1　什么是大數(shù)據(jù) 228 9.1.1 大數(shù)據(jù)定義 228 9.1.2 大數(shù)據(jù)的特征 229 9.1.3 大數(shù)據(jù)與傳統(tǒng)數(shù)據(jù)的區(qū)別 231 9.1.4 大數(shù)據(jù)在現(xiàn)實(shí)中的應(yīng)用體現(xiàn) 232 9.1.5 大數(shù)據(jù)的起源與發(fā)展 233 9.1.6 大數(shù)據(jù)的來源 236 9.2　大數(shù)據(jù)的技術(shù)生態(tài) 237 9.2.1 大數(shù)據(jù)技術(shù)架構(gòu) 237 9.2.2 大數(shù)據(jù)技術(shù)的主要組件 238 9.3　大數(shù)據(jù)與云計(jì)算、物聯(lián)網(wǎng)的關(guān)系 239 9.3.1 大數(shù)據(jù)與云計(jì)算 239 9.3.2 大數(shù)據(jù)與物聯(lián)網(wǎng) 241 9.3.3 云計(jì)算、大數(shù)據(jù)與物聯(lián)網(wǎng)的協(xié)同關(guān)系 244 第10章　大數(shù)據(jù)技術(shù)原理 246 10.1　大數(shù)據(jù)存儲技術(shù) 246 10.1.1 大數(shù)據(jù)存儲技術(shù)概述 246 10.1.2 大數(shù)據(jù)存儲的數(shù)據(jù)類型 247 10.1.3 分布式存儲系統(tǒng) 249 10.1.4 大數(shù)據(jù)存儲泛型 254 10.2　大數(shù)據(jù)處理技術(shù) 261 10.2.1 批處理技術(shù) 262 10.2.2 流處理技術(shù) 264 10.3　大數(shù)據(jù)分析與挖掘 267 10.3.1 基本原理 267 10.3.2 經(jīng)典算法 269 第11章　大數(shù)據(jù)安全 271 11.1　大數(shù)據(jù)安全的含義 271 11.1.1 定義及背景 272 11.1.2 大數(shù)據(jù)安全的核心目標(biāo) 272 11.1.3 發(fā)展歷程 274 11.1.4 威脅數(shù)據(jù)安全的主要因素 276 11.2　大數(shù)據(jù)安全的意義 277 11.2.1 個人層面的意義 277 11.2.2 企業(yè)層面的意義 278 11.2.3 社會層面的意義 278 11.3　大數(shù)據(jù)安全挑戰(zhàn) 279 11.3.1 技術(shù)平臺角度 279 11.3.2 數(shù)據(jù)應(yīng)用角度 280 11.4　安全措施與技術(shù)方案 281 11.4.1 安全措施 281 11.4.2 Kerberos技術(shù) 282 11.4.3 密碼學(xué)及關(guān)鍵技術(shù) 284 11.5　大數(shù)據(jù)安全標(biāo)準(zhǔn)體系框架 289 11.6　行業(yè)大數(shù)據(jù)應(yīng)用和安全風(fēng)險(xiǎn) 290 11.6.1 電子政務(wù)大數(shù)據(jù) 290 11.6.2 健康醫(yī)療大數(shù)據(jù) 292 11.6.3 電商行業(yè)大數(shù)據(jù) 292 11.6.4 電信行業(yè)大數(shù)據(jù) 293 第12章　大數(shù)據(jù)思維 295 12.1　大數(shù)據(jù)思維的基本含義 295 12.1.1 大數(shù)據(jù)思維的產(chǎn)生 295 12.1.2 大數(shù)據(jù)思維的理論基礎(chǔ) 296 12.2　大數(shù)據(jù)思維與傳統(tǒng)思維的區(qū)別 298 12.2.1 根本區(qū)別 298 12.2.2 大數(shù)據(jù)思維的優(yōu)勢 299 12.2.3 案例比較 300 12.3　大數(shù)據(jù)思維的應(yīng)用 300 12.3.1 在具體行業(yè)中的應(yīng)用 301 12.3.2 大數(shù)據(jù)思維的企業(yè)實(shí)踐案例 301 參考文獻(xiàn) 303