- 电子工业出版社
- 9787121495489
- 1-1
- 540632
- 16开
- 计算机类
- 高职
内容简介
本书覆盖了人工智能应用的核心领域,旨在为读者提供一个深入理解人工智能技术及其应用的全景视角。__eol__本书在内容安排上,从基础理论出发,逐步深入到技术实现和应用场景中,以确保读者能够掌握人工智能的关键概念、技术方法及其在实际中的应用。__eol__本书在技术深度上,详细介绍了机器学习的各种类型,包括监督学习、无监督学习等,并指导读者如何搭建机器学习环境,使用主流工具进行项目开发。进一步地,本书通过对线性模型、感知机与支持向量机(SVM)、决策树与随机森林、聚类与降维、神经网络与深度学习、自然语言处理(NLP)和计算机视觉等关键技术领域的深入讲解,结合实际案例分析,使读者理解这些技术的原理和应用方法。
目录
项目1 数据挖掘与人工智能基础 1__eol__任务1 数据挖掘简介 2__eol__任务2 数据挖掘的发展历程 3__eol__任务3 人工智能简介 5__eol__任务4 人工智能的学派 7__eol__任务5 人工智能未来的发展趋势和前沿研究 11__eol__任务6 人工智能在数据挖掘中的应用 13__eol__总结 14__eol__项目考核 14__eol__项目2 机器学习概述 16__eol__任务1 机器学习的定义与发展历程 16__eol__任务2 机器学习的研究现状 19__eol__任务3 机器学习的类型 21__eol__总结 33__eol__项目考核 33__eol__项目3 机器学习环境搭建 36__eol__任务1 认识Anaconda 37__eol__任务2 认识sklearn 41__eol__总结 42__eol__项目考核 43__eol__项目4 线性模型 44__eol__任务1 线性回归 45__eol__任务2 逻辑回归 57__eol__任务3 Lasso问题 62__eol__任务4 岭回归 65__eol__总结 67__eol__项目考核 68__eol__ __eol__项目5 感知机与SVM 71__eol__任务1 感知机 71__eol__任务2 硬间隔SVM 79__eol__任务3 软间隔SVM 83__eol__任务4 非线性SVM 87__eol__总结 91__eol__项目考核 92__eol__项目6 决策树与随机森林 94__eol__任务1 决策树概述 95__eol__任务2 决策树的相关概念 96__eol__任务3 决策树的应用 103__eol__任务4 随机森林概述 111__eol__任务5 随机森林的应用 113__eol__总结 119__eol__项目考核 119__eol__项目7 聚类与降维 121__eol__任务1 聚类的介绍 122__eol__任务2 降维的介绍 123__eol__任务3 k-Means算法 126__eol__任务4 均值漂移聚类算法 129__eol__任务5 亲和传播聚类算法 132__eol__任务6 PCA降维算法 136__eol__任务7 LDA降维算法 142__eol__任务8 多种降维算法的对比 145__eol__总结 150__eol__项目考核 150__eol__项目8 神经网络与深度学习 153__eol__任务1 FNN 153__eol__任务2 CNN 161__eol__任务3 RNN 167__eol__任务4 深度学习概述 172__eol__总结 173__eol__项目考核 174__eol__ __eol__项目9 NLP 176__eol__任务1 NLP概述 177__eol__任务2 词嵌入 178__eol__任务3 机器翻译 188__eol__任务4 聊天机器人 195__eol__总结 199__eol__项目考核 199__eol__项目10 计算机视觉 202__eol__任务1 计算机视觉概述 203__eol__任务2 现代CNN 205__eol__任务3 图像分类 213__eol__任务4 目标检测 225__eol__任务5 人脸识别 228__eol__总结 230__eol__项目考核 230__eol__