由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书人工智能技术入门9787302566434
¥ ×1
新春将至,本公司假期时间为:2025年1月23日至2025年2月7日。2月8日订单陆续发货,期间带来不便,敬请谅解!
章人工智能概述
1.1AI是什么
1.1.1火热的AI
1.1.2AI的驱动因素
1.2AI技术的成熟度
1.2.1视觉识别
1.2.2自然语言理解
1..机器人
1.2.4自动驾驶
1.2.5机器学习
1.2.6游戏
1.3AI与大数据的关系
1.4AI与云计算的关系
1.5AI技术路线
第2章AI产业
2.1基础层
2.1.1芯片产业
2.1.2GPU
2.1.3FPGA
2.1.4ASIC
2.1.5TPU
2.1.6的芯片
2.1.7芯片产业小结
2.1.8传感器
2.1.9传感器小结
2.2技术层
2.2.1机器学习
2.2.2语音识别与自然语言处理
2..计算机视觉
.应用层
..1安防
..2金融
..制造业
..4智能家居
..5医疗
..自动驾驶
2.4AI产业发展趋势分析
第3章机器学习概述
3.1走进机器学习
3.1.1什么是机器学习
3.1.2机器学习的感认识
3.1.3机器学习的本质
3.1.4对机器学习的全面认识
3.1.5机器学习、深度学习与人工智能
3.1.6机器学习、数据挖掘与数据分析
3.2机器学习的基本概念
3.2.1数据集、特征和标签
3.2.2监督式学习和非监督式学习
3..强化学习和迁移学习
3.2.4特征数据类型
3.2.5训练集、验集和测试集
3.2.6机器学习的任务流程
3.3数据预处理
3.3.1探索分析
3.3.2数据清洗
3.3.3特征工程
3.4算法
3.5初探机器学习的开源框架
3.5.1scikit-learn简介
3.5.2个机器学习实例
3.5.3JupyterNotebook
3.5.4更多实例分析
第4章特征工程
4.1数据预处理
4.1.1量纲不统一
4.1.2把定量特征二值化(用于列向量)
4.1.3对定特征进行编码
4.1.4缺失值处理(用于列向量)
4.1.5数据变换
4.1.6数据预处理总结
4.2特征选择
4.2.1Filter法
4.2.2Wrapper法
4..Embedded法
4.2.4特征选择总结
4.3降维
4.4特征工程实例分析
4.4.1数据相关分析(手工选择特征)
4.4.2数据预处理
4.4.3特征抽取
4.4.4特征工程总结
第5章模型训练和评估
5.1什么是模型
5.2误差和MSE
5.3模型的训练
5.3.1模型与算法的区别
5.3.2迭代法
5.4梯度下降法
5.4.1步长
5.4.2优化步长
5.4.3三类梯度下降法
5.4.4梯度下降的详细算法
5.5模型的拟合效果
5.5.1欠拟合与过度拟合
5.5.2过度拟合的处理方法
5.6模型的评估
5.6.1分类模型的评估
5.6.2回归模型的拟合效果评估
5.6.3的评价指标
5.7模型的改进
第6章算法选择和优化
6.1算法概述
6.1.1线回归
6.1.2逻辑回归
6.1.3线判分析
6.1.4分类与回归树分析
6.1.5朴素贝叶斯
6.1.6K近邻算法
6.1.7学习向量量化
6.1.8支持向量机
6.1.9随机森林(RandomForest)
6.1.10AdaBoost
6.2支持向量机(SVM)算法
6.3逻辑回归算法
6.4KNN算法
6.4.1超参数k
6.4.2KNN实例:波士顿房价预测
6.4.3算法评价
6.5决策树算法
6.6集成算法
6.6.1集成算法简述
6.6.2集成算法之Bagging
6.6.3集成算法之Boosting
6.7聚类算法
6.7.1K均值聚类
6.7.2均值漂移聚类
6.7.3基于密度的聚类算法
6.7.4用高斯混合模型的优选期望聚类
6.7.5凝聚层次聚类
6.7.6图团体检测
6.8机器学习算法实例
6.8.1训练和预测
6.8.2自动调参
6.8.3尝试不同算法
第7章深度学习
7.1走进深度学习
7.1.1深度学习为何崛起
7.1.2从逻辑回归到浅层神经网络
7.1.3深度神经网络
7.1.4正向传播
7.1.5激活函数
7.2神经网络的训练
7.2.1神经网络的参数
7.2.2向量化
7..代价函数
7.2.4梯度下降和反向传播
7.3神经网络的优化和改进
7.3.1神经网络的优化策略
7.3.2正则化方法
7.4卷积神经网络
7.4.1卷积运算
7.4.2卷积层
7.4.3卷积神经网络(CNN)实例
7.5深度学习的优势
7.6深度学习的实现框架
第8章TensorFlow
8.1TensorFlow工具包
8.1.1tf.estimatorAPI
8.1.2Pandas速成
8.1.3必要的Python知识
8.2个TensorFlow程序
8.2.1加载数据
8.2.2探索数据
8..训练模型
8.2.4评估模型
8.2.5优化模型
……
本书阐述人工智能火热的成因、发展历程、产业链、技术和应用场景,详解人工智能的几个核心技术(机器学习、特征工程、模型、算法、深度学习)和两个很流行的开源平台(sklearn和TensorFlow)。通过本书的学习,读者能掌握人工智能技术体系、重点技术和平台工具,为人工智能技术应用到实际工作场景中打下基础。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格