迟殿委，计算机软件与理论专业硕士，副教授、高级工程师。有丰富企业软件研发经验和技术培训经验，企业系统架构设计师。研究方向为机器学习，已出版多部与大数据分析与挖掘相关教材，发表与深度学习相关学术论文10余篇。立项省厅级教学改革课题1项，立项教育部协同育人项目1项，参与厅级项目多项。发表SCI、EI检索论文10余篇，立项厅级项目2项。

前言
第1章人工智能基础
11人工智能简介
111人工智能的背景
112人工智能的历史
113人工智能的定义
12人工智能的特征
13人工智能参考框架
14人工智能研究内容
141研究领域
142人工智能算法及分类
15人工智能研究方向
151知识图谱
152自然语言处理
153人机交互
154计算机视觉
16思考与练习
第2章机器学习与深度
学习入门
21机器学习简介
211什么是机器学习
212机器学习的发展史
213机器学习的分类
22机器学习的基础理论
221机器学习三要素与核心
222机器学习开发流程
22315种经典机器学习算法
224机器学习常用术语
23深度学习简介
231什么是深度学习
232深度学习开发框架
233TensorFlow框架介绍
24人工智能、机器学习、深度
学习的关系
25思考与练习
第3章线性模型
31线性回归算法
311线性回归简介
312回归算法的评价指标
32梯度下降法
321算法理解
322随机梯度下降法理论
323案例：波士顿房价预测实战
33过拟合
331过拟合产生的原因
332常见线性回归正则化方法
333案例：波士顿房价预测正
则化实战
34逻辑斯谛回归
341逻辑斯谛回归算法
342案例：求职录用情况
回归实战
35SVM
351SVM算法概述
352案例：面部识别应用实战
36思考与练习
第4章神经网络基础
41神经网络简介
411神经网络理论
412发展历史及现状
413发展趋向及前沿问题
414神经网络的学习方法
415神经网络的研究趋势
42感知机
421单层感知机
422多层感知机
43全连接神经网络
431全连接神经网络与
多层感知机
432全连接神经网络的结构
44BP神经网络
441梯度下降法
442反向传播算法
443案例：基于BP神经网络模型的
房价预测实战
45Dropout正则化
46批标准化
461批标准化的实现方式
462批标准化的使用方式
463案例：手写数字识别
分类实战
47思考与练习
第5章卷积神经网络
51卷积神经网络简介
511什么是卷积神经网络
512卷积神经网络的基本模型
513卷积神经网络典型的
应用开发流程
52AlexNet模型
521AlexNet模型简介
522AlexNet的特点
523AlexNet的网络结构
524案例：基于AlexNet的Cifar10
分类实战
53VGGNet模型
531 VGGNet模型简介
532 VGG16的网络架构
533案例：基于VGG16的Cifar10
分类实战
54ResNet模型
541ResNet模型简介
542残差学习
543ResNet的网络结构
544案例：基于ResNet的Cifar10
分类实战
55DenseNet模型
551DenseNet模型简介
552DenseNet的结构
553案例：基于DenseNet的猫狗图像
分类实战
56思考与练习
第6章循环神经网络
61循环神经网络简介
611什么是循环神经网络
612循环神经网络的结构
613案例：基于循环神经网络的文本
情感分析实战
62LSTM模型
621LSTM简介
622LSTM结构
623BiLSTM
624案例：基于LSTM的文本情感
分析实战
63思考与练习
第7章Transformer模型
71自注意力机制
72自编码器
721自编码器简介
722最简单的自编码器
723案例：基于自编码器的MNIST
数据集重建实战
73Transformer机制及应用
731Transformer机制
732Transformer模型的应用及
研究进展
733案例：Transformer编码器的
简单实现
74思考与练习
第8章生成对抗网络
81生成对抗网络简介
811GAN模型
812案例：基于GAN的手写数字
识别实战
82DCGAN
821DCGAN模型
822案例：基于DCGAN的手写数字
数据生成
83CGAN
831CGAN模型
832案例：基于CGAN的手写数字
数据生成
84思考与练习
第9章迁移学习
91迁移学习简介
911迁移学习的背景
912迁移学习的理论
913迁移学习的分类
914迁移学习的实现方法
915应用、挑战及意义
916案例：基于迁移学习的Cifar10
分类实战
92迁移学习的应用
921迁移学习在深度学习中的
应用
922迁移学习在强化学习中的
应用
93思考与练习
第10章综合实战——电影评论
情感分析
101文本分类综述
1011背景
1012文本分类的概念
102项目实现过程
1021词嵌入向量
1022IMDb数据集及处理
1023使用RNN进行情感分析
1024使用LSTM进行情感分析
103思考与练习
第11章综合实战——图像分类
111项目需求和数据集
1111项目需求
1112数据集
112项目实现过程
1121导入数据包
1122处理数据
1123搭建神经网络
1124设置优化器、损失函数
1125存取模型、断点续训
1126保存参数
1127可视化
1128预测测试集
1129打包程序
113思考与练习
参考文献