人工智能原理与实践

　　人工智能被广泛应用和普及，极大地提高了人们学习和工作的效率。而要深入理解人工智能，必须全面理解底层各类机器学习算法的基本原理。只有全面掌握机器学习的基础知识，才能更好地理解、提高和驾驭人工智能的各种应用。 本书分为13章，前7章为原理篇，重点讨论了机器学习模型建模的全部流程、各类常用的机器学习算法原理、深度学习和强化学习、机器学习涉及的优化原理，以及自然语言处理算法原理；后 6章为实践篇，重点讨论了信用卡客户细分、保险公司时间序列生活事件预测、电商网站交易欺诈预测、信用卡和信用贷款风险预测、美国旧金山房屋成交价格预测，以及股票短期回报率预测等多个实际应用场景。 本书内容系统、全面，理论知识覆盖面广，且保留了推导过程。实践案例中，深入浅出地讲解和展示了机器学习应用的具体流程。本书适合在各行业工作的数据科学家、在校学习人工智能和数据科学专业的学生、科技公司的管理者和决策者，以及人工智能的初学者和爱好者阅读。

　　刘春雷，毕业于中国科学技术大学近代物理系，本科毕业后，前往美国留学深造，并获得了美国卡内基梅隆大学机器学习专业硕士学位和美国匹兹堡大学物理专业博士学位。在研究生和博士阶段的学习过程中，结合数据挖掘、机器学习理论知识和大数据技术，在应用物理领域做出了杰出的贡献和成就。经过多年博士及博士后阶段的学习和研究工作后，作者又先后在美国智库型研究公司和华尔街商业银行工作，积累了大量将机器学习和数据科学技术应用到实践中的经验。