随着计算机技术迅猛地发展，人工智能与机器学习已经渗透到我们日常生活的各个领域。为此，中国人民大学专门为全校财经和人文专业的学生开设了“人工智能与机器学习”课程，本书的所有作者都参与了该门课程的教学实践，相互配合，总结教学经验，共同打磨而成《人工智能与机器学习》一书。书中通过丰富现实案例的详细讲解，引导学生了解各种机器学习模型的基本原理与实践用法。避开了大量的数学模型和复杂编程知识，让学生熟悉当下流行的一些机器学习和数据处理工具的使用，来解决现实领域遇到的各种数据分析和预测问题。
王秋月，中国人民大学信息学院计算机系讲师。主要研究领域是数据库、信息检索、知识库的构建与应用等。她在香港中文大学取得博士学位，在德国奥格斯堡大学做了两年博士后工作，并于2014年访问德国马克斯普朗克计算机科学研究所一年。她于2010年至2013年负责组织国际信息检索评测会议INEX中的Data-Centric Track和Linked-Data Track，并担任过SIGIR、TKDE等国际会议和杂志的评委，在国内外期刊和会议上发表论文30余篇。主持或参与国家自然科学基金青年项目、面上项目、重点项目及国家重点研发计划项目等多项。
覃雄派，中国人民大学信息学院计算机系副教授。2009年毕业于中国人民大学信息学院，获得工学博士学位。目前主要从事高性能数据库、大数据分析、信息检索等方面的研究工作，主持1项国家自然科学基金面上项目，参与多项国家“863”计划、“973”计划及国家自然科学基金项目，在国内外期刊和会议上发表论文30余篇。
赵素云，中国人民大学信息学院计算机系副教授。2009年毕业于香港理工大学，获博士学位。主要研究方向为机器学习，不确定信息处理，以及隐私保护在数据挖掘中的应用等。主持国家自然科学基金项目两项，并参与国家自然科学基金重点项目、核高基等多项。现已发表学术论文30余篇（其中SCI检索论文10余篇）。目前，文章他引次数合计近1000次。
张静，中国人民大学信息学院计算机系讲师。2016年毕业于清华大学计算机科学与技术系，获博士学位。研究兴趣为数据挖掘。发表多篇数据挖掘国际顶级会议与期刊论文，包括TKDE,TKDD, KDD，IJCAI, AAAI等。Google统计论文引用量达到2000多次。
目录
第1章人工智能简介
11什么是人工智能
12人工智能简史（1956年以前）
13人工智能简史（1956—1980年）
14人工智能简史（1980—2010年）
15人工智能简史（2010年至今）
第2章机器学习简介
21什么是机器学习
22机器学习分类
第3章Python简介
31环境配置
32Python基础编程
33Numpy
34Matplotlib
35Pandas
第4章K近邻
41什么是K近邻
42如何度量距离或者相似性
43数据缩放
44选择合适的K值
45Scikitlearn KNN分类器介绍
46案例一：鸢尾花分类
第5章模型选择
51偏差与方差
52训练集与测试集
53交叉验证
54案例二：鸢尾花分类（案例一续）
第6章线性回归
61什么是线性回归
62损失函数
63增加多项式特征
64正则化
65超参数调优
66案例三：波士顿房价预测
第7章逻辑回归
71什么是逻辑回归
72决策边界
73损失函数
74线性回归和逻辑回归的异同
75多分类
76案例四：泰坦尼克号乘客生还预测
第8章分类评价指标
81混淆矩阵
82查准率与查全率、F1分数
83ROC曲线和AUC
84多分类评价指标
85案例五：泰坦尼克号乘客生还预测（案例四续）
第9章朴素贝叶斯
91贝叶斯定理
92朴素贝叶斯分类器
93不同的朴素贝叶斯模型
94文本分类
95案例六：垃圾邮件识别
第10章支持向量机
101什么是支持向量机
102核函数
103支持向量机的参数优化
104案例七：垃圾邮件识别（案例六续）
105总结
第11章决策树
111什么是决策树
112构建决策树
113修剪决策树
114决策树的优缺点和使用方法
115案例八：泰坦尼克号乘客生还预测
第12章集成学习
121袋装
122提升
123堆叠
124案例九：泰坦尼克号乘客生还预测（案例八续）
第13章聚类
131什么是聚类
132Kmeans算法
133聚类结果的评价
134不同的距离指标
135聚合式层次聚类
136案例十：商场客户聚类
第14章深度学习
141深度学习发展简史
142多层感知器
143损失函数
144优化算法：反向传播算法
145案例十一：手写数字识别
146深度学习技巧
147卷积神经网络
148案例十二：图像识别
第15章Kaggle竞赛
151Kaggle平台简介
152Kaggle竞赛简介
153Kaggle竞赛案例分析：泰坦尼克号乘客生还预测
书单推荐
