零起点Python机器学习快速入门 - (EPUB全文下载)

文件大小：0.13 mb。
文件格式：epub 格式。
书籍内容：

零起点Python机器学习快速入门
第1章　从阿尔法狗开始说起
第2章　开发环境
第3章　Python入门案例
第4章　Python基本语法
第5章　Python人工智能入门与实践
第6章　机器学习经典算法案例（上）
第7章　机器学习经典算法案例（下）
第8章　机器学习组合算法
附录A　Sklearn常用模块和函数
附录B　极宽量化系统模块图
封底
第1章　从阿尔法狗开始说起
1.1　阿尔法狗的前世今生
百度百科的“阿尔法狗”词条是：
阿尔法狗（AlphaGo）是一款围棋人工智能程序，由谷歌（Google）旗下DeepMind公司的戴密斯·哈萨比斯、大卫·席尔瓦、黄士杰与他们的团队开发，其主要工作原理是“深度学习”。
2016年3月，该程序与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。2016年年末至2017年年初，该程序在中国棋类网站上以“大师”（Master）为注册账号与中国、日本、韩国数十位围棋高手进行快棋对决，连续60局无一败绩。不少职业围棋手认为，阿尔法围棋的棋力已经达到甚至超过围棋职业九段水平，在世界职业围棋排名中，其等级分曾经超过排名人类第一的棋手柯洁。
2017年1月，谷歌Deep Mind公司CEO哈萨比斯在德国慕尼黑DLD（数字、生活、设计）创新大会上宣布推出真正2.0版本的AlphaGo。其特点是摈弃了人类棋谱，只靠深度学习的方式成长起来，挑战围棋的极限。
现代社会已经进入后互联网时代，信息资源随手可得，大数据产业风生水起，科技创新层出不穷，不过类似工业革命、卫星登月、原子弹爆炸、Internet信息高速公路等级别的重大科技突破却一直没有出现，甚至有学者认为，目前的社会处于科技停滞阶段。
直到2016年3月，谷歌公司的AlphaGo横空出世，与围棋世界冠军、职业九段选手李世石进行人机大战，并以4:1的总比分获胜。
这个结果震惊了整个社会，特别是学术界人工智能领域的从业人员。过去人们一直认为：围棋是人类智慧的最后堡垒，19×19的围棋棋盘矩阵可以衍生出天文数字的组合变化，至少在50年内，由于计算机技术的限制，人工智能无法达到人类职业选手的标准。没想到，AlphaGo轻松战胜了人类的围棋冠军。
AlphaGo程序虽然神秘，但其核心算法却很简单，源自古老的Monte Carlo蒙特卡洛算法。
2006年，欧洲数学家Rémi Coulomb、Kocsis 和 Szepervari等学者，在研究围棋程序时，结合蒙特卡洛算法与对手树搜索算法，设计出一种全新的算法：MCTS蒙特卡罗树搜索算法。
MCTS全称是Monte Carlo Tree Search，即蒙特卡罗树搜索算法，是一种在人工智能问题中做出最优决策的方法，它结合了随机模拟的一般性和树搜索的准确性。
而古老的蒙特卡洛算法，正是源自世界上最古老的国际大赌场蒙特卡洛。事实上，现代统计学、博弈学甚至金融领域的量化投资，都不同程度地源自赌场和蒙特卡洛算法。
1.2　机器学习是什么
百度百科的“机器学习”词条是：
机器学习（Machine Learning，ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构，使之不断改善自身的性能。它是人工智能的核心，也是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，其主要使用归纳、综合而不是演绎。
Machine Learning（中文版是《计算机科学丛书：机器学习》）是机器学习的经典图书，被卡内基梅隆等许多大学作为机器学习课程的教材，书中主要涵盖了目前机器学习中各种最实用的理论和算法，包括概念学习、决策树、神经网络、贝叶斯学习、基于实例的学习、遗传算法、规则学习、基于解释的学习和增强学习等。
该书作者Tom Mitchell在他这本书的序言开场白中给出了一个机器学习的定义。
机器学习这门学科所关注的问题是：计算机程序如何随着经验积累自动提高性能。
Marshland也在Machine Learning: An Algorithmic Perspective一书的序言中，从算法角度这样描述机器学习。
机器学习最有趣的特征之一就是它介于几个不同理论学科之间，主要是计算机科学、统计学、数学和工程学。机器学习经常被作为人工智能的一部分来进行研究，这把它牢牢地置于计算机科学中。若要理解为什么这些算法能够有效工作，则需要一定的统计学和数学头脑，这往往是计算机科学专业的本科生所缺少的能力。
1.3　机器学习大史记
机器学习是人工智能研究较为年轻的分支，它的发展过程大致经历了三次高潮：
· 20世纪40年代到60年代的萌芽期。
· 20世纪60年代末期到80年代的摸索期。
· 20世纪90年代到目前的崛起期。
1. 萌芽期
20世纪40年代到60年代属于机器学习的萌芽期，以下是期间的一些标志性事件。
（1）最早的人工神经网络原型
1943年，神经科学家和控制论专家Warren McCulloch与逻辑学家Walter Pitts基于数理逻辑算法创造了一种神经网络计算模型，这是最早的人工神经网络原型。
（2）Hebb赫布学习规则
1949年，心理学家赫布（Donald Hebb）基于神经心理学的学习机制，提出了一种学习假说，即Hebb赫布学习规则，开启了机器学习的第一步，
Hebb赫布学习规则，是一种典型的无监督学习规则，与“条件反射”机理一致，并且已经得到了神经细胞学说的证实。
1948年，研究人员将这种计算模型的思想应用到了B型图灵机上。
1954年，Farley和物理学家Wesley A. Clark在MIT首次用计算机模拟了一个赫布网络。
（3）图灵测试
图灵测试是人工智能哲学方面第一个严肃的提案，图灵测试一词源自阿兰·图灵1950年的论文《计算机器与智能》。
阿兰·图灵（Alan Turing）是英国数学家、逻辑学家，被视为计算机科学之父。1931年，阿兰 ............

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。