本书是根据华为HCIA-AI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，主要讲解了机器学习和深度学习的基本原理、基本模型、基本算法，以及如何亲自上手进行相应的编程实验。帮助读者掌握华为认证人工智能的相关知识点和技能。
本书是希望考取HCIA-AI证书的各类人员的推荐用书，也可作为相关院校计算机和人工智能相关专业的学生的教学用书或参考用书、以及AI技术爱好者的自学用书。

1. 本书作者熟悉AI和网络技术，在华为从事研发和培训工作18年，担任过HCIE主考官以及华为ICT系列书籍的审稿人，图书质量有保障，且更具专业性。
2. 国内官方的华为HCIA-AI认证考试参考用书，内容靠谱。
3. 全书理论与实践相结合，实战性极高，更受读者欢迎。

华为技术有限公司，成立于1987年，总部位于广东省深圳市龙岗区。华为是全球领先的信息与通信技术（ICT）解决方案供应商，专注于ICT领域，坚持稳健经营、持续创新、开放合作，在电信运营商、企业、终端和云计算等领域构筑了端到端的解决方案优势，为运营商客户、企业客户和消费者提供有竞争力的ICT解决方案、产品和服务，并致力于实现未来信息社会、构建更美好的全联接世界。

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16
习题119
第 2章 数学基础22
2.1 线性代数24
2.1.1 矢量的概念24
2.1.2 矢量的基本运算25
2.1.3 矢量的坐标表示法26
2.1.4 矢量的方向角27
2.1.5 矢量的点积28
2.1.6 矩阵的概念29
2.1.7 矩阵的基本运算30
2.1.8 矢量的矩阵表示法33
2.1.9 矩阵的初等变换34
2.1.10 线性相关性37
2.1.11 逆矩阵40
2.1.12 本征值与本征矢量45
2.1.13 张量49
2.2 微积分54
2.2.1 导数与偏导数54
2.2.2 超曲面与超平面58
2.2.3 方向导数与梯度61
2.2.4 函数图像中的特殊点65
2.2.5 凸集与凸函数72
2.2.6 矩阵函数74
2.3 概率与统计81
2.3.1 条件概率公式81
2.3.2 全概率公式83
2.3.3 贝叶斯公式86
2.3.4 期望值与方差88
2.3.5 熵92
2.3.6 最大似然估计97
习题2103
第3章 机器学习110
3.1 机器学习的基本概念112
3.2 机器学习方法分类119
3.3 机器学习的三要素121
3.4 机器学习的整体流程126
3.5 常见的机器学习算法131
3.5.1 线性回归131
3.5.2 逻辑回归138
3.5.3 K-NN144
3.5.4 K-Means149
3.5.5 SVM152
3.5.6 PCA158
3.5.7 朴素贝叶斯168
3.5.8 决策树174
3.5.9 随机森林189
3.5.10 集成学习193
3.6 机器学习的性能评估198
习题3200
第4章 深度学习204
4.1 生物神经网络206
4.1.1 大脑与神经元206
4.1.2 神经元之间的连接207
4.1.3 神经信息处理过程209
4.1.4 记忆与学习210
4.1.5 人脑与电脑211
4.2 麦卡洛克 皮兹模型与感知器213
4.2.1 麦卡洛克 皮兹模型213
4.2.2 模式识别初探217
4.2.3 感知器222
4.2.4 多线性可分问题232
4.2.5 XOR问题236
4.3 多层感知器238
4.3.1 并行排列和串行连接238
4.3.2 多层感知器的基本结构243
4.3.3 多层感知器的设计与运作247
4.3.4 前向计算与后向计算249
4.3.5 梯度下降法259
4.3.6 BP算法263
4.3.7 批量训练方式277
4.3.8 初始位置与伪极小值点283
4.3.9 学习率285
4.3.10 欠拟合与过拟合287
4.3.11 规模与容量290
4.3.12 欠训练与过度训练293
4.3.13 结构变化295
4.4 卷积神经网络296
4.4.1 卷积运算与相关运算296
4.4.2 卷积特征映射图297
4.4.3 池化特征映射图304
4.4.4 激活特征映射图313
4.4.5 CNN的一般结构314
4.4.6 LeNet-5323
4.4.7 Hubel-Wiesel实验333
4.5 循环神经网络334
4.5.1 时序性334
4.5.2 单向RNN342
4.5.3 双向RNN345
4.5.4 BPTT算法349
4.5.5 梯度消失问题352
4.5.6 LSTM356
习题4364
第5章 编程实验366
5.1 实验环境安装368
5.1.1 安装Python368
5.1.2 安装MindSpore372
5.1.3 安装Jupyter372
5.1.4 安装工具库373
5.2 线性回归375
5.2.1 示例验证375
5.2.2 房价预测377
5.2.3 三维情况380
5.3 逻辑回归382
5.3.1 跳高问题382
5.3.2 房屋出租384
5.3.3 数据标准化386
5.4 K-Means与GNB390
5.4.1 K-Means390
5.4.2 GNB393
5.5 MindSpore基础394
5.5.1 张量的属性394
5.5.2 张量的生成396
5.5.3 张量的运算和操作400
5.5.4 数据集的加载和处理403
5.5.5 网络的构建408
5.5.6 损失函数424
5.6 手写体数字识别429
5.6.1 设计概要429
5.6.2 数据准备430
5.6.3 构建MLP433
5.6.4 确定训练参数及相关选项434
5.6.5 模型的编译434
5.6.6 设置检查点434
5.6.7 模型的训练435
5.6.8 模型的评估437
5.6.9 模型的加载437
附录 习题答案440
习题1答案440
习题2答案441
习题3答案449
习题4答案449