本书从机器学习的基本原理开始讲解，然后是神经网络、深度学习，最后讲解卷积神经网络。本书在讲解原理的基础上，以MATLAB为开发工具和编程语言，将深度学习所涉及的原理均用MATLAB进行仿真实践，并将书中所有的实例以MATLAB为底层编程语言进行编程和讲解。
通过本书的阅读，读者可以学会神经网络和多层神经网络的原理，卷积和池化的含义，并可利用MATLAB进行深度学习的研究和开发。
本书可用作高等院校人工智能课程或工程师培训的教材，也可供从事人工智能等领域研究和应用的开发人员使用。
3.作者简介
Serge Kruk博士，奥克兰大学数学与统计系教授，曾是贝尔实验室资深研究员。具有多年的研究和工作经验，目前主要的研究方向为：algorithms for semidefinite optimization, scheduling, feasibility, and the related numerical linear algebra and analysis等
邹伟 博士，睿客邦创始人，研究方向为机器学习、数据挖掘、计算几何，致力于机器学习和深度学习在实际中的应用；主持研发50多个人工智能领域工业级项目，并受邀在中国移动、花旗银行、中信集团、中航信、烽火科技、京东方、完美世界等公司进行了上百场讲座和内部培训。创立的睿客邦与国内十多所高校建立了AI联合实验室或实训基地；兼任天津大学创业导师、山东交通学院客座教授等。曾在多个在线平台讲授“机器学习”“深度学习”等课程，广受网友好评，累计学习人数超过百万。
Serge Kruk博士将其几十年来从事工业教学和咨询的成果编写成此书，本书通过使用Python编程优化建模解决人工智能问题。这本书涵盖了实际应用中进行创建和分析数学模型，如线性连续模型，非线性连续模型，纯线性整数模型。本书重点在于 Python人工智能项目的模型创建和分析方面，而不是专注于理论；书中的每一个模型都被详细地解释和使用Python进行编程编，使读者可以更好的理解本书的内容。
书中所有示例都是Python基于Google OR-Tools进行编程，并提供所有示例的源代码。
通过阅读本书，你将学到：
构建基本的基于Python的人工智能（AI）应用程序
使用数学优化方法和Google OR-Tools（优化工具）套件
使用Python和Google OR-Tools创建多种类型的项目
译者序
我们有幸见证了世界向信息化社会的转变过程，我们从小就生活在这种变革中。个人计算机的发明打开了人类通向信息世界的大门，接着就是互联网将计算机连接了起来，智能手机将人与人联系了起来。现在，每个人都意识到人工智能的浪潮已经到来。越来越多的智能服务将被发明出来，同时这也将把我们带入一个新的时代。人工智能是引领这股智能浪潮的前沿技术。虽然它最终可能将其“宝座”移交给其他新技术，但是目前它仍是各种人工智能新技术的重要基石。
人工智能现在如此流行，以至于关于它的资料随处可见。然而适用于我们的资料并不多见，而这本书正是大家所需求的。这本书的目的是希望帮助大家在学习这个新知识的过程中不那么痛苦，同时，本书中具体的开发实例讲解，能够帮助开发者避免走一些弯路。
本书介绍了关于实现数学模型优化问题的技术和科学。关于优化，它可以是任何的问题，但又可以归结为一个问题，那就是：什么是最好的？例如：
从家到公司的最佳路线是什么？
什么是最优的汽车生产方式，能够使得利益最大化？
用什么方式将杂货带回家最好：纸袋还是塑料袋？
为我的孩子选择哪个学校最好？
哪种燃料用于火箭的助推器最好？
芯片上晶体管的最佳位置在哪里？
NBA最优的赛程如何安排？
这些问题相当模糊，但可以通过多种方式进行解释。首先可以考虑一下：“最好的”对于我们而言，是意味着最快、最短、最愉快的骑行，最不崎岖，还是最低的油耗？此外，这个问题还不够完整，我们是步行，还是骑马、开车或是滑雪？我们是独自一人前往，还是伴随着哭闹的婴儿？
为了帮助我们制定优化问题的解决方案，数学家、理论家和实践者根据我们构建的问题建立起了一个框架，我们称之为模型。模型的关键点在于它的目标和它的约束条件。简单地说，目标是我们想要达到的，而约束是我们采用的方法中的阻力。如果我们重新构建问题，用以更加明确地分析目标和约束，我们便可以更加接近真实的模型。
这本书综合了十年间的讨论，以及在奥克兰大学的建模入门课程(MOR242IntrotoOperationResearchModels)和研究生课程(APM568MathematicalModelinginIndustry)的成果。书中的每个模型都使用GoogleORTools在Python中演示，读者可以按照书中的讲解和代码重新操作执行。实际上，本书中提供的代码是自动提取、执行的，输出可以无需手动干预地插入到文本，甚至图表也是自动生成的。
本书的目的是帮助读者成为一名熟练的建模者。大家可以访问网址https://github.com/sgkruk/ApressAI。这个网址提供了书中展示的所有代码以及应用于许多问题和变化的随机生成器。各位可以将其用作个性化的作业生成器，它也可以被用作自学工具。
本书适合各类软硬件工程师、测试人员阅读，也适合用于人工智能培训、大学生创新创业实战训练，以及程序员实力提升。
本书的出版得益于北京航空航天大学出版社的推荐以及相关专家学者的辛勤付出，在此一并表示感谢。
衷心祝愿您能拥抱人工智能时代，具备人工智能场景思维，进而更好地服务他人，为社会创造更多的财富。
译者
2021年3月
第1章概述/1
1.1本书面向哪些问题/3
1.2本书的特点/4
1.2.1运行模型/5
1.2.2关于符号的解释/6
1.3实践中去学习：两栖动物共存/7
第2章线性连续模型/17
2.1掺杂（Mixing）/20
2.1.1构建模型/21
2.1.2变化量/24
2.1.3组合问题/26
2.2混合（Blending）/27
2.2.1构建模型/29
2.2.2变化量/32
2.3项目管理/34
2.3.1构建模型/35
2.3.2变化量/37
2.4多级模型/39
2.4.1问题实例/39
2.4.2构建模型/42
2.4.3变化量/46
2.5模式分类/48
2.5.1构建模型/50
2.5.2可执行模型/51
第3章隐线性连续模型/53
3.1分段线性/56
3.1.1构建模型/57
3.1.2变化量/61
3.2曲线拟合/65
3.2.1构建模型/67
3.2.2变化量/71
3.3重新审视模式分类/72
3.3.1可执行模型/73
第4章线性网络模型/75
4.1最大流量/78
4.1.1构建模型/78
4.1.2决策变量/79
4.1.3变化量/84
4.2最小成本流/85
4.2.1构建模型/86
4.2.2变化量/89
4.3转运/90
4.3.1构建模型/92
4.3.2变化量/94
4.4最快捷径/95
4.4.1构建模型/96
4.4.2选择算法/99
4.4.3变化量/99
第5章经典离散模型/105
5.1最小的集合数量/108
5.1.1构建模型/109
5.1.2变化量/113
5.2集合填充/114
5.2.1构建模型/115
5.2.2变化量/116
5.3装箱/117
5.3.1构建模型/118
5.4旅行推销员/127
5.4.1构建模型/128
5.4.2变化量/133
第6章经典混合模型/137
6.1设施选址/139
6.1.1构建模型/140
6.1.2变化量/144
6.2多商品流/144
6.2.1构建模型/146
6.2.2变化量/148
6.2.3实例/150
6.3人员编制/151
6.3.1构建模型/153
6.3.2变化量/156
6.4作业车间调度/157
6.4.1构建模型/157
第7章先进技术/163
7.1配料问题/165
7.1.1构建模型/166
7.1.2预分配裁剪模式/172
7.2非凸问题相关技巧/176
7.2.1从n个变量中选择k个非零变量/179
7.2.2从n个变量中选择k个相邻非零变量/181
7.2.3从n个约束条件中选择k个条件/184
7.2.4大中取大和小中取小/189
7.3排班问题/191
7.3.1构建模型/194
7.3.2变化量/199
7.4赛事时间表问题/199
7.4.1构建模型/200
7.4.2变化量/209
7.5谜题问题/209
7.5.1伪象棋问题/210
7.5.2数独谜题/214
7.5.3算式谜题：SendMoreMoney!/216
7.5.4逻辑谜题：LadiesandTigers/219
7.6Python中优化工具MPSolver快速参考/224
当前图书最新荐购
