圖解機器學習、人工智慧與人類未來

購買商店

圖解機器學習、人工智慧與人類未來

$270.00

馬上購買

內容描述

人工智慧、機器學習、演算法、大數據、黑盒子到底是什麼
詳述常用的十個演算法概要與原理，其黑盒子原理就是統計與機率
AI大時代有利有弊，也要注意風險

本書目的

1. 認識資訊名詞，不再一知半解。
2. 了解AI的概要、功能與原理及增加AI可信度。
3. 明白傳統統計、商用統計及工程統計的差異性。
4. 認識大數據。
5. 讓一般人、操作者、資訊工程師了解黑盒子。
6. 如何成為AI時代的資訊人才。
7. AI如何改變教育的型態。
8. 知道AI的現在與未來的應用及各方面的影響。
9. 思考高度AI化的世界，將帶來的風險及社會結構的變化。

目錄大綱

前言
第１章　人工智慧、機器學習、演算法、大數據、黑盒子的基礎認識
1-1 概要　
1-2 AI的歷史與展望　
1-3 人工智慧、機器學習與深度學習的關係　
1-4 人工智慧之父 ─ 艾倫‧圖靈　
1-5 21世紀的新型石油─大數據　
1-6 蒙地卡羅法(1)　
1-7 蒙地卡羅法(2)　
1-8 機器學習與無人駕駛車(1)　
1-9 機器學習與無人駕駛車(2)　
1-10 演算法與黑盒子模式(1)　
1-11 演算法與黑盒子模式(2)　
1-12 使用者該如何看待黑盒子模式演算法(1)　
1-13 使用者該如何看待黑盒子模式演算法(2)　
1-14 使用者該如何看待黑盒子模式演算法(3)　
1-15 使用者該如何看待黑盒子模式演算法(4)　
1-16 使用者該如何看待黑盒子模式演算法(5)　
1-17 使用者該如何看待黑盒子模式演算法(5)　
1-18 人工智慧的利與弊(1)　
1-19 人工智慧的利與弊(2)　
1-20 人工智慧的利與弊(3)　
1-21 人工智慧的利與弊(4)　
1-22 AI會有情緒嗎？有情緒會不會對人類有所危害？　
1-23 我們需要有情緒的AI—強人工智慧嗎？　
1-24 AI的應用(1)　
1-25 AI的應用(2)　
1-26 AI的應用(3)　
1-27 AI的應用(4)　
1-28 AI的應用(5)　
1-29 碎形與AI　
1-30 碎形的起源　
1-31 碎形與AI　
第２章　認識大數據、傳統統計、商用統計與工程統計
2-1 大數據概要(1)　
2-2 大數據概要(2)　
2-3 什麼是大數據　
2-4 大數據的問題　
2-5 統計學界的統計分析與商業界的大數據分析之差異　
2-6 統計學界的統計分析與工程界的統計分析之差異　
2-7 大數據分析的起點　
2-8 資訊視覺化　
2-9 視覺分析的意義　
2-10 建議大數據該用的統計方法　
2-11 卡門濾波　
2-12 資訊科學家的定位、大數據結論　
2-13 資料探勘(1)：資料探勘的介紹　
2-14 資料探勘(2)：數據中的異常值　
2-15 資料探勘(3)：分群討論　
2-16 資料探勘的應用　
2-17 時間序列　
第3章　認識部分黑盒子演算法的統計原理
3-1 監督學習、無監督學習、半監督學習、強化式學習　
3-2 貝氏演算法(1)：概要　
3-3 貝氏演算法(2)：案例　
3-4 貝式演算法(3)：統計原理　
3-5 K-maen 演算法(1)：概要　
3-6 K-maen演算法(2)：案例1　
3-7 K-maen 演算法(3)：案例2　
3-8 K-maen演算法(4)：統計原理　
3-9 K-mean 演算法(5)：最佳化的K值　
3-10 K-近鄰演算法　
3-11 先驗演算法(1)：概要　
3-12 先驗演算法(2)：案例　
3-13 SVM演算法(1)：概要與案例　
3-14 SVM演算法(2)：推廣　
3-15 SVM演算法(3)：統計原理　
3-16 線性迴歸演算法(1)：概要　
3-17 線性迴歸演算法(2)：迴歸線的統計原理　
3-18 線性迴歸演算法(3)：相關係數的統計原理　
3-19 邏輯迴歸演算法：概要與案例　
3-20 決策樹演算法(1)：概要與樹狀圖　
3-21 決策樹演算法(2)：案例與剪枝(1)　
3-22 決策樹演算法(3)：案例與剪枝(2)　
3-23 隨機森林演算法：概要與案例　
3-24 淺談深度學習：人工神經網路　
3-25 可解釋人工智慧　
3-26 本章結論　
第四章　常用的基礎統計知識
4-1 標準差是什麼　
4-2 常態分布　
4-3 認識二項分布、卜瓦松分布　
4-4 大數法則　
4-5 中央極限定理　
4-6 中央極限定理的歷史　
4-7 標準化　
4-8 常態分布的歷史與標準常態分布　
4-9 t分布與自由度　
4-10 t分布歷史與t分布表　
4-11 卡方分布與F分布　
4-12 複迴歸分析(1)　
4-13 複迴歸分析(2)　
4-14 複迴歸分析(3)　
第五章　AI的發展與影響
5-1 AI的發展取決於有創意的教育　
5-2 淺談世界AI化後教育的衝擊與改變　
5-3 AI帶來極致的便利後，造成的社會結構衝擊　
5-4 AI世界的奶頭樂：人類生活的再省思　
5-5 AI的高度發展後，無條件基本收入作為配套可行嗎？　
5-6 AI的發展重心，應放在讓人類懂數學及AI應用更多數學上　
5-7 AI時代改變生活的速度，會如同搭電梯而非緩慢爬坡　
5-8 哲學問題思考 ─AI與人類未來　
附 錄
附錄一 利用Excel作某一商品的建議購物（關聯性分析、購物籃分析）　
附錄二 A Fast Training Algorithm for Multi-Layer Neural Network based on Extended Kalman Filter Approach

作者介紹

吳作樂
學歷
國立台灣大學數學系學士
美國哥倫比亞大學數理統計博士

經歷
長榮大學資訊管理系教授
數位內容創作學程主任
國家太空中心主任
國際宇宙航行學院 (International Academy of Astronautics) 院士
宏遠育成科技股份有限公司總經理
工研院電通所副所長
美國Bell core公司信號處理部研發經理(District Manager)
美國貝爾實驗室(Bell Labs) 衛星通訊部門研究員

吳秉翰
學歷
輔仁大學應用數學學士