更新时间：2021-12-14 15:01:31
封面
版权信息
作者简介
前言
第1章 世界充满不确定性
1.1 解题最重要的是思路
1.1.1 加百子的答案
1.1.2 人工智能的破题思路
1.1.3 统计思维的诞生
1.2 随机世界
1.2.1 猜测上帝的游戏
1.2.2 科学研究与模型
1.2.3 随机性与随机过程
1.2.4 正态分布是什么
1.2.5 随机不是均匀
1.3 概率的威力
1.3.1 试验能得出什么规律
1.3.2 如何合理分配赌金
1.3.3 概率与异常值
1.3.4 用概率击败庄家
1.4 直觉和错觉
1.4.1 猜拳是不是碰运气
1.4.2 同一天生日的概率是多少
1.4.3 蒙提霍尔的三门问题
1.5 生活中的大数定律
1.5.1 大数定律的概念和意义
1.5.2 蒙特卡洛方法
1.6 如何验证假设
1.6.1 女士品茶
1.6.2 停时理论
1.7 经验和实践如何共存
1.7.1 什么是贝叶斯定理
1.7.2 朴素贝叶斯有多“朴素”
1.7.3 每个人都懂贝叶斯
1.8 结语
第2章 数据代表真相吗
2.1 小心数据的陷阱
2.2 数据收集的偏差
2.2.1 幸存者偏差
2.2.2 选择性偏差
2.3 数据处理的悖论
2.3.1 被平均的工资
2.3.2 辛普森悖论
2.4 数据呈现的误导
2.4.1 未披露的数据
2.4.2 会欺骗的视觉设计
2.5 如何正确解读数据
2.5.1 相关性不等于因果性
2.5.2 被选数据的骗局
2.5.3 数据表达的局限
2.5.4 精准预测的挑战
2.6 结语
第3章 如何获得有用信息
3.1 数据、信息、知识
3.1.1 数据是一组有意义的符号
3.1.2 信息是用来消除不确定性的
3.1.3 知识是对信息的总结和提炼
3.2 用信息丈量世界
3.2.1 香农与信息论
3.2.2 一条信息的价值
3.2.3 重复的信息没有价值
3.2.4 信息的熵
3.3 信息是如何交换的
3.3.1 互联网与信息交换
3.3.2 哈夫曼和有效编码
3.3.3 信息不对称与囚徒困境
3.4 信息的加密与解密
3.4.1 语言是一套密码系统
3.4.2 墙边盛开的花朵
3.4.3 可以被公开的密钥
3.5 信息里的噪声
3.5.1 信息越多结果就越准确吗
3.5.2 人工智能如何处理噪声
3.5.3 模型的泛化能力
3.5.4 欠拟合和过拟合
3.6 结语
第4章 大数据处理与挖掘
4.1 大数据概述
4.1.1 数据是描绘世界的新方式
4.1.2 大数据到底有多大
4.2 数据处理的流程和方法
4.2.1 数据收集
4.2.2 数据加工
4.2.3 数据分析
4.2.4 数据可视化
4.3 大数据改变了什么
4.3.1 经验与数据
4.3.2 时间与空间
4.3.3 记忆与理解
4.4 结语
第5章 机器是如何学习的
5.1 机器学习是什么
5.1.1 归纳与推演
5.1.2 定规则和学规则
5.1.3 算法的含义
5.2 机器学习算法
5.2.1 常见的学习方法
5.2.2 回归
5.2.3 分类
5.2.4 聚类
