【新书】人工智能Python代码，227页pdf

会员服务 ·

【新书】人工智能Python代码，227页pdf

2020 年 6 月 21 日 专知

前言

本书的Python代码旨在演示第二版《计算agent的基础》人工智能中的一些算法，其中包含并解释了书中的所有代码。我们遵循了以下原则:

代码应该简单并且尽可能接近伪代码。我们选择了可读性而不是效率:我们尽可能地保持渐近复杂性(除非在某些情况下，更高效的代码是一个练习)，但没有优化常量因素。
代码应该可以工作，但它不包括所有可能的功能。缺失的部分可以用作练习。
我们广泛使用列表理解、集合和字典。我们尽量不使用那些不明显的库是否合适的库。这是一种学生无需在库中进行广泛搜索就可以编写的代码。
它是为Python 3.3及以上版本设计的。(不是Python 2)。你也可以使用最新的版本。我们使用一个简单的方法来跟踪代码，使用一个方法display，它类似于print，但包含一个整数display级别。然后，用户可以设置对应对象(或类)的最大display级别，从而控制print的细节量。我们尽量避免在代码中添加太多的跟踪语句。display的使用是为了使算法的未来图形显示成为可能。

Python for Artificial Intelligence（基于Python的人工智能）
Agents and Control（Agents和控制）
Searching for Solutions（搜索解决方法）
Reasoning with Constraints（推理与约束）
Propositions and Inference（命题和推理）
Planning with Certainty（确定性规划）
Supervised Machine Learning（有监督机器学习）
Reasoning with Uncertainty（不确定性推理）
Planning with Uncertainty（不确定规划）
Learning with Uncertainty（不确定学习）
Multiagent Systems（多agent系统）
Reinforcement Learning（强化学习）
Relational Learning（关系学习）

作者介绍

David Poole，加拿大不列颠哥伦比亚大学计算机科学教授，计算智能实验室主任。2014-2015年，他是牛津大学Leverhulme Trust客座教授。他还是加拿大人工智能学会（CAIAC）2013年终身成就奖获得者，是国际人工智能促进协会（AAAI）和加拿大人工智能学会（CAIAC）Fellow。
　　

Alan Mackworth，加拿大不列颠哥伦比亚大学计算机科学教授。他的研究兴趣是基于约束的人工智能及其应用，被称为约束满足、机器人足球、混合系统和基于约束的Agent等研究领域的先驱。他是国际人工智能联合会议（IJCAI）公司的总裁和理事，以及IJCAI执行委员会主席；同时还担任许多编委会和程序委员会委员。他是加拿大计算机智能研究会（CSCSI）主席，还担任国际人工智能促进协会（AAAI）主席。荣获的奖励包括：ITAC/NSERC杰出学术奖.Killam研究奖，《人工智能》杂志经典论文奖，CSCSI杰出服务奖，AAAI杰出服务奖，CAIAC终身成就奖等。他是AAAI和CAIAC的Fellow，加拿大前沿科学研究院和加拿大皇家学院院士。