新書推薦：
《
中国年画 1950-1990 THE NEW CHINA: NEW YEAR PICTURE 英文版
》
售價：NT$
1100.0
《
革命与反革命：社会文化视野下的民国政治（近世中国丛书）
》
售價：NT$
435.0
《
画楼：《北洋画报》忆旧（年轮丛书）
》
售價：NT$
1573.0
《
大国脊梁：漫画版
》
售價：NT$
374.0
《
跟着渤海小吏读历史：大唐气象（全三册）
》
售價：NT$
989.0
《
心智的构建：大脑如何创造我们的精神世界
》
售價：NT$
352.0
《
美国小史（揭秘“美国何以成为美国”，理解美国的经典入门读物）
》
售價：NT$
352.0
《
中国古代北方民族史丛书——东胡史
》
售價：NT$
576.0
|
| 內容簡介： |
|
本书将人工智能的基础知识进行了系统化的介绍，从传统的机器学习的基础知识、经典算法到深度学习的网络模型、应用领域都进行了相应的介绍。 本书共分10个项目。项目1～项目7主要内容有认识人工智能、Python基础、机器学习基础、特征工程及应用、经典算法的实现、神经网络的构建和训练、手写数字识别；项目8～项目10主要内容是综合案例的实施，包括人脸识别、商品情感分析、车牌识别。本书将知识点进行拆解细化，用可视化的形式帮助读者理解抽象的知识点，并配有丰富的代码，在反复实践中理解、升华，理论与实践相结合，助力读者锻炼编程思维和提升编程能力。
|
| 關於作者： |
|
郭新，1984年9月出生，2013年毕业于华南理工大学系统工程专业。现任职于广东交通职业技术学院机电工程学院，主持或参与教科研项目10余项，发表论文10余篇，指导学生竞赛获奖4次。
|
| 目錄：
|
|
项目1 认识人工智能11.1 人工智能简介21.1.1 为什么要学人工智能21.1.2 人工智能的定义21.1.3 人工智能的技术目标31.1.4 人工智能的三次浪潮31.1.5 人工智能的不完美性51.2 人工智能、机器学习和深度学习51.3 人工智能的技术架构61.4 人工智能的应用场景61.5 人工智能的主要方向81.6 人工智能的主要算法81.6.1 机器学习81.6.2 深度学习91.7 人工智能相关的基础学习库与工具101.8 深度学习框架与平台111.9 人工智能简单要素121.9.1 训练和测试121.9.2 基于人工智能的编程和基于规则的编程12课后习题14项目2 Python基础172.1 Python安装182.2 Python基本知识212.2.1 基本运算212.2.2 变量222.2.3 表达式和语句222.2.4 类型232.2.5 数字类型232.2.6 字符串232.2.7 注释252.3 模块252.4 数据结构252.4.1 列表262.4.2 元组272.5 字典272.5.1 创建字典282.5.2 常见操作282.6 集合282.6.1 基本操作282.6.2 其他操作292.7 条件语句和循环语句302.7.1 条件语句302.7.2 循环语句302.8 函数312.8.1 规则312.8.2 语法312.8.3 Lambda函数322.9 Python面向对象的编程322.9.1 对象322.9.2 继承342.9.3 组合342.10 可视化352.10.1 绘制图形352.10.2 显示图像362.11 Python案例37课后习题39项目3 机器学习基础413.1 最小二乘法423.2 激活函数443.2.1 Sign函数453.2.2 Sigmoid函数453.2.3 Tanh函数463.2.4 ReLU函数473.3 损失函数483.3.1 0-1损失函数483.3.2 平方损失函数483.3.3 对数损失函数483.3.4 交叉熵损失函数493.3.5 对比损失函数493.4 梯度下降算法493.5 前向传播算法和反向传播算法503.5.1 前向传播算法503.5.2 反向传播算法513.6 学习率523.7 正则化533.7.1 正则化533.7.2 正则化533.8 欧氏距离和余弦相似度543.8.1 欧氏距离543.8.2 余弦相似度543.8.3 基于角度间隔的方法55课后习题55项目4 特征工程及应用574.1 特征工程的含义584.1.1 数据和数据处理584.1.2 特征工程584.1.3 特征工程的重要性594.1.4 特征的种类604.2 归一化和标准化604.2.1 归一化614.2.2 标准化624.3 模型存储和模型加载634.3.1 模型存储634.3.2 模型加载634.4 特征选择和降维634.4.1 特征值和特征向量634.4.2 奇异值和奇异值分解644.5 特征选择和特征转换654.5.1 PCA的含义654.5.2 PCA降维过程的代码实现方法684.5.3 LDA的含义724.5.4 LDA降维过程的代码实现方法724.6 Python参数搜索76课后习题77项目5 经典算法的实现785.1 KNN算法805.1.1 分类任务805.1.2 回归任务815.2 支持向量机825.2.1 支持向量机的基本原理835.2.2 参数优化845.2.3 核函数845.2.4 使用Scikit-Learn构建支持向量机855.3 逻辑回归855.3.1 确定假设函数855.3.2 构造损失函数865.3.3 最小化损失函数865.3.4 正则化865.3.5 代码实现875.4 线性回归875.4.1 一元线性回归875.4.2 损失函数885.4.3 优化方法885.5 朴素贝叶斯885.5.1 朴素贝叶斯算法的流程895.5.2 代码实现895.6 决策树905.6.1 ID3-最大信息增益915.6.2 C4.5-最大信息增益比915.6.3 CART-最大基尼系数925.6.4 代码实现925.7 随机森林935.7.1 随机森林算法的一般流程945.7.2 代码实现945.8 梯度提升决策树955.8.1 梯度提升决策树算法的一般流程955.8.2 梯度提升和梯度下降的区别955.8.3 梯度提升决策树算法的实现965.8.4 代码实现965.9 分类算法的评价指标975.9.1 混淆矩阵975.9.2 精确率985.9.3 召回率985.9.4 ROC985.10 回归算法的评价指标995.10.1 偏差和方差995.10.2 均方误差1005.10.3 平均绝对误差1005.10.4 R-squared100课后习题101项目6 神经网络的构建和训练1026.1 神经元1036.2 感知机的定义1036.3 简单逻辑电路1046.3.1 与门1046.3.2 或门1046.3.3 非门1056.4 感知机的实现1056.5 感知机的局限性1066.6 多层感知机1076.6.1 异或问题表示1076.6.2 异或问题实现1086.7 感知机的训练109课后习题111项目7 手写数字识别1127.1 卷积神经网络与图像处理1137.1.1 卷积神经网络1137.1.2 卷积神经网络的实现1177.2 深度神经网络1277.2.1 LeNet1287.2.2 AlexNet1287.2.3 VGGNet1297.2.4 ResNet1307.3 手写数字识别案例1317.3.1 数据集解压1317.3.2 加载数据集并识别131课后习题133项目8 人脸识别1358.1 人脸识别的流程1368.2 人脸检测1378.2.1 人脸检测的方法1378.2.2 评价指标1408.2.3 人脸检测部分代码1418.3 人脸对齐1418.3.1 人脸对齐的方法1418.3.2 评价指标1428.3.3 代码实现1428.4 人脸表征1438.4.1 人脸表征的方法1448.4.2 评价指标1448.5 人脸属性识别145项目9 商品情感分析1479.1 自然语言处理1489.2 情感分析1489.2.1 数据准备1499.2.2 数据预处理1499.2.3 商品情感识别150项目10 车牌识别15210.1 图像识别与预处理15310.1.1 图像识别的流程15310.1.2 图像预处理15310.1.3 数字图像的预处理15510.2 车牌检测与识别15610.2.1 车牌检测的流程15610.2.2 车牌识别的流程159
|
|
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
HOME
新書上架
