HCIA-AI学习指南
内容摘要
本书是根据华为认证培训大纲、HCIA-AI 认证培训教材、HCIA-AI 认证培训实验手册等资料编写而成的，主要讲解机器学习和深度学习的基本原理、基本模型、基本算法，以及如何进行相应的编程实验。本书共 5 章：第 1 章是人工智能概述，第 2 章是数学基础，第 3 章和第 4 章分别是机器学习和深度学习的原理性内容，第 5 章是机器学习和深度学习的实验性内容。本书适合备考 HCIA-AI 认证的人员、AI 技术爱好者阅读，也可作为高等院校相关专业人工智能课程的参考教材。
适用范围
本书是华为学院和华为培训机构指定的HCIA-AI认证培训用书，其第一目标读者是希望获取HCIA-AI认证的在校学生和社会人员。
本书可作为高等院校AI相关课程的教科书或辅助教材。若课程为AI原理性课程，可选用本书的第1、2、3、4章；若为AI实验性课程，则选用本书的第5章，以及第2、3章中与实验相对应的原理性知识点。
本书可作为高等院校AI相关课程的教科书或辅助教材。若课程为AI原理性课程，可选用本书的第1、2、3、4章；若为AI实验性课程，则选用本书的第5章，以及第2、3章中与实验相对应的原理性知识点。
作为自学用书，本书也适合对AI技术感兴趣及正在从事AI相关工作的社会人员。对于没有Python编程基础或对编程实验不感兴趣的读者，可忽略本书的第5章。
特别提醒
想考取HCIA-AI证书的读者，务请通过正规渠道获取完整的HCIA-AI认证培训教材和实验手册，并结合本书进行系统而全面的学习。认证培训教材包含以下7个部分：
1. 人工智能概览
2. 机器学习概览
3. 深度学习概览
4.AI 开发框架
5. 华为人工智能平台介绍
6. 人工智能前沿应用场景
7. 量子计算与机器学习
图书目录
第 1 章 人工智能概述 2
1.1 智能与人工智能 4
1.2 计算机的诞生 5
1.3 达特茅斯会议 7
1.4 三大学派 9
1.5 机器学习与深度学习 13
1.6 人工智能的应用 15
习题 1 18
第 2 章 数学基础 20
2.1 线性代数 22
2.1.1 矢量的概念 22
2.1.2 矢量的基本运算 23
2.1.3 矢量的坐标表示法 24
2.1.4 矢量的方向角 25
2.1.5 矢量的点积 26
2.1.6 矩阵的概念 27
2.1.7 矩阵的基本运算 28
2.1.8 矢量的矩阵表示法 31
2.1.9 矩阵的初等变换 32
2.1.10 线性相关性 35
2.1.11 逆矩阵 38
2.1.12 本征值与本征矢量 43
2.1.13 张量 47
2.2 微积分 52
2.2.1 导数与偏导数 52
2.2.2 超曲面与超平面 56
2.2.3 方向导数与梯度 59
2.2.4 函数图像中的特殊点 63
2.2.5 凸集与凸函数 70
2.2.6 矩阵函数 72
2.3 概率与统计 79
2.3.1 条件概率公式 79
2.3.2 全概率公式 81
2.3.3 贝叶斯公式 84
2.3.4 期望值与方差 86
2.3.5 熵 90
2.3.6 最大似然估计 95
习题 2 101
第 3 章 机器学习 108
3.1 机器学习的基本概念 110
3.2 机器学习方法的分类 117
3.3 机器学习的三要素 119
3.4 机器学习的整体流程 124
3.5 常见的机器学习算法 129
3.5.1 线性回归 129
3.5.2 逻辑回归 136
3.5.3 K-NN 142
3.5.4 K-Means 147
3.5.5 SVM 150
3.5.6 PCA 156
3.5.7 朴素贝叶斯 166
3.5.8 决策树 172
3.5.9 随机森林 187
3.5.10 集成学习 191
3.6 机器学习的性能评估 196
习题 3 198
第 4 章 深度学习 202
4.1 生物神经网络 204
4.1.1 大脑与神经元 204
4.1.2 神经元之间的连接 205
4.1.3 神经信息处理过程 207
4.1.4 记忆与学习 208
4.1.5 人脑与计算机 209
4.2 麦卡洛克皮兹模型与感知器 211
4.2.1 麦卡洛克皮兹模型 211
4.2.2 模式识别初探 215
4.2.3 感知器 220
4.2.4 多线性可分问题 230
4.2.5 XOR 问题 234
4.3 多层感知器 236
4.3.1 并行排列和串行连接 236
4.3.2 多层感知器的基本结构 241
4.3.3 多层感知器的设计与运作 245
4.3.4 前向计算与后向计算 247
4.3.5 梯度下降法 257
4.3.6 BP 算法 261
4.3.7 批量训练方式 275
4.3.8 初始位置与伪极小值点 281
4.3.9 学习率 283
4.3.10 欠拟合与过拟合 285
4.3.11 规模与容量 288
4.3.12 欠训练与过度训练 291
4.3.13 结构变化 293
4.4 卷积神经网络 294
4.4.1 卷积运算与相关运算 294
4.4.2 卷积特征映射图 295
4.4.3 池化特征映射图 302
4.4.4 激活特征映射图 311
4.4.5 CNN 的一般结构 312
4.4.6 LeNet-5 321
4.4.7 Hubel-Wiesel 实验 331
4.5 循环神经网络 332
4.5.1 时序性 332
4.5.2 单向 RNN 340
4.5.3 双向 RNN 343
4.5.4 BPTT 算法 347
4.5.5 梯度消失问题 350
4.5.6 LSTM 354
习题 4 362
第 5 章 编程实验 364
5.1 实验环境安装 366
5.1.1 安装 Python 366
5.1.2 安装 MindSpore 370
5.1.3 安装 Jupyter 370
5.1.4 安装工具库 371
5.2 线性回归 373
5.2.1 示例验证 373
5.2.2 房价预测 375
5.2.3 三维情况 378
5.3 逻辑回归 380
5.3.1 跳高问题 380
5.3.2 房屋出租 382
5.3.3 数据标准化 384
5.4 K-Means 与 GNB 388
5.4.1 K-Means 388
5.4.2 GNB 391
5.5 MindSpore 基础 392
5.5.1 张量的属性 392
5.5.2 张量的生成 394
5.5.3 张量的运算和操作 398
5.5.4 数据集的加载和处理 401
5.5.5 网络的构建 406
5.5.6 损失函数 422
5.6 手写体数字识别 427
5.6.1 设计概要 427
5.6.2 数据准备 428
5.6.3 构建 MLP 431
5.6.4 确定训练参数及相关选项 432
5.6.5 模型的编译 432
5.6.6 设置检查点 432
5.6.7 模型的训练 433
5.6.8 模型的评估 435
5.6.9 模型的加载 435
附录 习题答案 438
习题答案 1 440
习题答案 2 441
习题答案 3 449
习题答案 4 452
《HCIA-AI学习指南》PDF电子版下载地址
点关注不迷路！
如需提取码或者解压密码:
[打开微信]->[扫描左侧二维码]->[关注微信公众号]
输入“14715” 获取提取码
[网盘下载链接]
Ps：本站点所有资源仅供学习交流之用，请勿用作商业用途，并请于下载后24小时内删除，如果喜欢，请支持正版，谢谢。
原创·59学习网 本文链接：https://www.59xuexi.com/?p=14653 未经允许不可转载！
