《人工智能与机器学习（21世纪通识教育系列教材）》 - 台灣·大書城 - 王秋月，覃雄派，赵素云，张静 - 中国人民大学出版社

	登入帳戶　 \|　訂單查詢　 \|　購物車/收銀台(0)　\|　在線留言板　 \|　付款方式　 \|　聯絡我們　 \|　運費計算　 \|　幫助中心　\|　加入書簽
		會員登入新用戶註冊

HOME

新書上架

暢銷書架

好書推介

2024年度TOP

香港／國際用戶

最新/最熱/最齊全的簡體書網

品種：超過100萬種書，正品正价，放心網購，悭钱省心

送貨：速遞 / 物流，時效：出貨後2-4日

『簡體書』人工智能与机器学习（21世纪通识教育系列教材）

書城自編碼： 3459333
分類：簡體書→大陸圖書→教材→研究生/本科/专科教材
作者：王秋月，覃雄派，赵素云，张静
國際書號(ISBN)： 9787300275819
出版社：中国人民大学出版社
出版日期： 2020-01-01

頁數/字數： /
書度/開本： 128开釘裝：平装

售價：NT$ 216

我要買件

** 我創建的書架 **
未登入.

內容簡介：

随着计算机技术迅猛地发展，人工智能与机器学习已经渗透到我们日常生活的各个领域。为此，中国人民大学专门为全校财经和人文专业的学生开设了人工智能与机器学习课程，本书的所有作者都参与了该门课程的教学实践，相互配合，总结教学经验，共同打磨而成《人工智能与机器学习》一书。书中通过丰富现实案例的详细讲解，引导学生了解各种机器学习模型的基本原理与实践用法。避开了大量的数学模型和复杂编程知识，让学生熟悉当下流行的一些机器学习和数据处理工具的使用，来解决现实领域遇到的各种数据分析和预测问题。

關於作者：

王秋月，中国人民大学信息学院计算机系讲师。主要研究领域是数据库、信息检索、知识库的构建与应用等。她在香港中文大学取得博士学位，在德国奥格斯堡大学做了两年博士后工作，并于2014年访问德国马克斯普朗克计算机科学研究所一年。她于2010年至2013年负责组织国际信息检索评测会议INEX中的Data-Centric Track和Linked-Data Track，并担任过SIGIR、TKDE等国际会议和杂志的评委，在国内外期刊和会议上发表论文30余篇。主持或参与国家自然科学基金青年项目、面上项目、重点项目及国家重点研发计划项目等多项。
覃雄派，中国人民大学信息学院计算机系副教授。2009年毕业于中国人民大学信息学院，获得工学博士学位。目前主要从事高性能数据库、大数据分析、信息检索等方面的研究工作，主持1项国家自然科学基金面上项目，参与多项国家863计划、973计划及国家自然科学基金项目，在国内外期刊和会议上发表论文30余篇。
王秋月，中国人民大学信息学院计算机系讲师。主要研究领域是数据库、信息检索、知识库的构建与应用等。她在香港中文大学取得博士学位，在德国奥格斯堡大学做了两年博士后工作，并于2014年访问德国马克斯普朗克计算机科学研究所一年。她于2010年至2013年负责组织国际信息检索评测会议INEX中的Data-Centric Track和Linked-Data Track，并担任过SIGIR、TKDE等国际会议和杂志的评委，在国内外期刊和会议上发表论文30余篇。主持或参与国家自然科学基金青年项目、面上项目、重点项目及国家重点研发计划项目等多项。
覃雄派，中国人民大学信息学院计算机系副教授。2009年毕业于中国人民大学信息学院，获得工学博士学位。目前主要从事高性能数据库、大数据分析、信息检索等方面的研究工作，主持1项国家自然科学基金面上项目，参与多项国家863计划、973计划及国家自然科学基金项目，在国内外期刊和会议上发表论文30余篇。
赵素云，中国人民大学信息学院计算机系副教授。2009年毕业于香港理工大学，获博士学位。主要研究方向为机器学习，不确定信息处理，以及隐私保护在数据挖掘中的应用等。主持国家自然科学基金项目两项，并参与国家自然科学基金重点项目、核高基等多项。现已发表学术论文30余篇（其中SCI检索论文10余篇）。目前，文章他引次数合计近1000次。
张静，中国人民大学信息学院计算机系讲师。2016年毕业于清华大学计算机科学与技术系，获博士学位。研究兴趣为数据挖掘。发表多篇数据挖掘国际顶级会议与期刊论文，包括TKDE,TKDD, KDD，IJCAI, AAAI等。Google统计论文引用量达到2000多次。

目录
第1章人工智能简介
11什么是人工智能
12人工智能简史（1956年以前）
13人工智能简史（19561980年）
14人工智能简史（19802010年）
15人工智能简史（2010年至今）
第2章机器学习简介
21什么是机器学习
22机器学习分类
第3章Python简介
31环境配置
32Python基础编程
33Numpy
34Matplotlib
35Pandas
第4章K近邻
41什么是K近邻
42如何度量距离或者相似性
43数据缩放
44选择合适的K值
45Scikitlearn KNN分类器介绍
46案例一：鸢尾花分类
第5章模型选择
51偏差与方差
52训练集与测试集
53交叉验证
54案例二：鸢尾花分类（案例一续）
第6章线性回归
61什么是线性回归
62损失函数
63增加多项式特征
64正则化
65超参数调优
66案例三：波士顿房价预测
第7章逻辑回归
71什么是逻辑回归
72决策边界
73损失函数
74线性回归和逻辑回归的异同
75多分类
76案例四：泰坦尼克号乘客生还预测
第8章分类评价指标
81混淆矩阵
82查准率与查全率、F1分数
83ROC曲线和AUC
84多分类评价指标
85案例五：泰坦尼克号乘客生还预测（案例四续）
第9章朴素贝叶斯
91贝叶斯定理
92朴素贝叶斯分类器
93不同的朴素贝叶斯模型
94文本分类
95案例六：垃圾邮件识别
第10章支持向量机
101什么是支持向量机
102核函数
103支持向量机的参数优化
104案例七：垃圾邮件识别（案例六续）
105总结
第11章决策树
111什么是决策树
112构建决策树
113修剪决策树
114决策树的优缺点和使用方法
115案例八：泰坦尼克号乘客生还预测
第12章集成学习
121袋装
122提升
123堆叠
124案例九：泰坦尼克号乘客生还预测（案例八续）
第13章聚类
131什么是聚类
132Kmeans算法
133聚类结果的评价
134不同的距离指标
135聚合式层次聚类
136案例十：商场客户聚类
第14章深度学习
141深度学习发展简史
142多层感知器
143损失函数
144优化算法：反向传播算法
145案例十一：手写数字识别
146深度学习技巧
147卷积神经网络
148案例十二：图像识别
第15章Kaggle竞赛
151Kaggle平台简介
152Kaggle竞赛简介
153Kaggle竞赛案例分析：泰坦尼克号乘客生还预测

書城介紹　 \|　合作申請　\|　索要書目　 \|　新手入門　\|　聯絡方式　 \|　幫助中心　\|　找書說明　 \|　送貨方式　\|　付款方式	台灣用户　\|　香港/海外用户

megBook.com.tw
Copyright (C) 2013 - 2025 （香港）大書城有限公司　All Rights Reserved.