《人工智能技术入门》一书由杨正洪编著，旨在为读者提供一个全面理解人工智能（AI）的框架，并深入探讨其核心技术。本书共有11章，涵盖了从AI概述到具体技术应用的广泛内容。
杨正洪，毕业于美国State University of New York at Stony Brook，在美国硅谷从事AI和大数据相关研发工作十余年，华中科技大学和中国地质大学客座教授，湖北省2013年海外引进人才，并拥有多项国家专利。杨正洪参与了大数据和人工智能的国家标准的制定，在2016年参与了公安部主导的“信息安全技术：大数据平台安全管理产品安全技术要求”的国家标准制定。杨正洪是中关村海外智库专家顾问和住建部中规院专家顾问，曾担任在美上市公司CTO、北京某国企CIO和上海某国企高级副总裁等职。多年从事人工智能与大数据技术的实践，出版了《智慧城市》《大数据技术入门》等多本畅销书。
以下是对每个章节内容的详细总结:
第1章：人工智能概述
本章介绍了人工智能的基本概念和发展历程，从古希腊神话中的机器人梦想到现代的人工智能研究。作者指出，虽然强人工智能仍然是一个长远的目标，但当前的研究和应用主要集中在弱人工智能上。作者强调了AI在现代社会各个领域的广泛应用，并提出了对未来发展的展望。
第2章：AI产业与应用场景
本章讨论了AI产业的发展现状及其对经济和社会的影响。作者通过列举如无人驾驶汽车、人脸识别等实际案例，展示了AI如何推动不同行业变革。同时，作者也指出了中国在政策支持下的AI产业发展潜力，并提到了AI可能带来的经济效益。
第3章至第6章：核心技术（机器学习、特征工程、模型、算法）
这部分内容集中讲解了机器学习的基础理论和技术细节，包括监督学习、非监督学习、回归分析等常见方法；接着深入探讨了特征工程的重要性及实践技巧；最后介绍了多种经典算法及其应用场景。作者特别强调了数据清洗、预处理以及选择合适的模型对于构建高效AI系统的关键作用。
这是最简单的线性回归（Linear Regression）模型。因为只有一个自变量x，所以叫作一元线性回归。y与x之间的关系就是这个任务中我们所用的模型。对于模型的概念，可以这样理解，它刻画了因变量y和自变量x之间的客观关系，即y与x之间存在这样一种形式的客观规律在约束。具体来说，y约等于某个数乘以x，再加上另一个数。使用这个模型，就意味着我们认定样本数据服从这样一个规律。换句话说，模型是对处理变量关系的某种假设。在机器学习中，a1叫作权重（Weight），a0叫作偏差（Bias），x是一个特征（Feature），而y是预测的标签。训练一个模型就是从训练数据中确定权重和偏差的最佳值。箭头部分表示了预测值（或推测值）和真实值之间的差距，这叫误差（Loss）。如果这个模型很完美，那么误差应该接近0。训练的目标是找到让误差最小的权重和偏差。
左图用一条直线分割平面，模型过于简单，对直线右侧的红色标签数据（叉叉）刻画较差，属于欠拟合（Underfitting）；而右图则用了比较复杂的模型，对样本集的数据全部照顾，属于过度拟合（Overfitting）。过度拟合是参数过多，对训练集的匹配度太高、太准确，以至于在后面的预测过程中可能会导致预测值非常偏离，预测非常不准确。中间的图是合适的拟合。
“狼来了”模型的4种情况：
肿瘤模型的4种情况:
准确率（Accuracy）是我们最常见的评价指标，Accuracy=（TP+TN）／所有样本数，这个很容易理解，就是被分对的样本数除以所有的样本数。通常来说，准确率越高，分类器越好。
精确率（Precision）指标尝试回答以下问题：在被识别为正类别的样本中，确实为正类别的比例是多少？以前面的狼来了例子为例，这个参数的意思是我们是否说“狼来了”太多了。在小男孩说“狼来了”的情况中，有多少次是对的？他说“狼来了”的精确率如何？
召回率：在所有正类别样本中，被正确识别为正类别的比例是多少？以前面的“狼来了”为例，这个参数的意思是我们错过了多少“狼来了”。召回率指标则是指在所有试图进入村庄的狼中，我们发现了多少头？
第7章：深度学习
本章专门介绍深度学习这一当前最热门的技术方向，解释了神经网络的工作原理，并讲述了TensorFlow等流行框架的使用方法。作者认为，随着计算能力提升和大数据积累，深度学习已经成为实现复杂任务的有效手段之一。
第8章、第9章：TensorFlow
介绍了 TensorFlow的具体使用。
第10章：神经网络
探讨了不同类型神经网络结构及其优化策略，如卷积神经网络(CNN)用于图像处理、循环神经网络(RNN)适用于序列数据分析等。作者还提及了对抗生成网络(GAN)等前沿课题。
