目录第3章 搜索问题求解3.1 引言3.2 搜索问题3.1.1 智力游戏问题3.1.2 现实世界问题3.3 搜索问题的要素3.3.1 状态表征3.3.2 状态空间3.3.3 形式化3.3.4 求解的方法3.4 搜索问题的实例化3.4.1 八数码难题3.4.2 八皇后难题3.4.3 传教士和食人族问题3.4.4 最短路径问题3.5 搜索求解的方式3.5.1 树搜索3.5.2 图搜索3.6 无信息搜索

目录第4章 优化问题求解4.1 引言4.2 优化问题4.2.1 智力游戏问题4.2.2 现实世界问题4.3 优化问题的求解4.3.1 局部搜索4.3.2 元启发式4.3.3 群体智能4.4 局部搜索方法4.4.1 爬山法4.4.2 局部束搜索4.5 元启发式方法4.5.1 禁忌搜索4.5.2 模拟退火算法4.5.3 遗传算法4.6 群体智能方法4.6.1 蚁群优化算法4.6.2 粒子群优化算法4.

前言自然语言处理（Natural Language Processing，简称NLP），就是以电子计算机为工具，对人类特有的书面形式和口头形式的自然语言的信息进行各种类型处理和加工的技术。这项技术现在已经形成一门专门的边缘性交叉性学科，它涉及语言学、数学和计算机科学，横跨文科、理科和工科三大知识领域。自然语言处理的目的在于建立各种自然语言处理系统，如机器翻译系统、自然语言理解系统、信息自动检索系统

TF-IDF向量会对文档中词项的准确拼写形式进行计数。因此，如果表达相同含义的文本使用词的不同拼写形式或使用不同的词，将会得到完全不同的TF-IDF向量表示。这会使依赖词条计数的搜索引擎和文档相似性的比较变得乱七八糟。...

“能力越大，责任越大。”——伏尔泰？无论把这句话归功于伏尔泰还是本叔叔（Uncle Ben），这句话到今天都依然适用。不过在这个时代，我们或许可以这样说：“数据越多，责任越大。”我们信赖那些拥有数据的公司，希望它们将这些数据用于改善我们的生活。我们允许自己的电子邮件被这些公司扫描以纠正邮件文字中出现的语法错误。这些公司研究我们在社交媒体上的日常生活片段，将其用于向信息流中注入广告。手机和家居能够对

本章实现了分词功能，并且可以为应用定制分词器。

好的NLP可以帮助拯救世界

第8章 理解语言有多难8.1 自然语言处理自然语言处理的目的就是让计算机能处理语言，说简单点，就是让计算机听懂人话。计算机想处理语言，必须先分析语句和获得语义，这就需要分析词的词性、句子的句法规则等。最著名的成果就是乔姆斯基用有限状态自动机来刻画语言的语法，建立了自然语言的有限状态模型。理想的NLP处理流程最底层是词法分析，包括分词、词性标注、专名识别等。然后是句法分析，得到一个句法树，相当于获得

因为语言模型并不是背诵了训练数据，而是学习了训练数据中单词的排列模式。如果语言模型通过语料库正确学习了单词的出现模式，我们就可以期待该语言模型生成的文本对人类而言是自然的、有意义的。这个世界充满了时序数据。文本数据、音频数据和视频数据都是时序数据。另外，还存在许多需要将一种时序数据转换为另一种时序数据的任务，比如机器翻译、语音识别等。其他的还有进行对话的聊天机器人应用、将源代码转为机器语言的编译器

目录00预告01课程安排02深度学习介绍00预告学习深度学习关键是动手深度学习是人工智能最热的领域核心是神经网络应该像学习Python/C++一样学习深度学习01课程安排目标介绍深度学习经典和最新模型：LeNet, ResNet, LSTM, BERT,...机器学习基础：损失函数、目标函数、过拟合、优化实践：使用Pytorch实现介绍的知识点；在真实数据上体验算法效果内容深度学习基础-线性神经网