人工智能導論-案例與實踐 朱強 飛槳教材編寫組 9787040597950 【台灣高等教育出版社】

*完成訂單後正常情形下約兩周可抵台。
*本賣場提供之資訊僅供參考，以到貨標的為正確資訊。
印行年月：202303*若逾兩年請先於客服中心或Line洽詢存貨情況，謝謝。
台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。
書名：人工智能導論-案例與實踐
ISBN：9787040597950
出版社：高等教育
著編譯者：朱強 飛槳教材編寫組
叢書名：新一代人工智能系列教材
頁數：342
所在地：中國大陸 *此為代購商品
書號：1514184
可大量預訂，請先連絡。

內容簡介

本書結合演算法原理和代碼實現，重點介紹了機器學習，特別是深度學習的有關案例和實踐應用。主要內容包括：第1章介紹人工智能發展歷程和百度飛槳框架；第2章和第3章圍繞機器學習展開，介紹了監督學習和無監督學習的各種經典演算法及其應用案例；第4章圍繞深度學習展開，介紹了前饋神經網絡、卷積神經網絡、循環神經網絡和生成對抗網路，以及深度學習在計算機視覺、自然語言處理兩大領域的應用和實踐；第5章介紹了強化學習的理論、方法和應用。 本書可作為高等院校（尤其是應用型本科院校）教學用書，教師可根據課程計劃和專業特色選擇授課內容（32～56學時）；本書也可以與《人工智能導論：模型與演算法》一書配套使用，作為人工智能專業課程的輔助學習內容；本書還適用於從事人工智能相關開發和應用的行業人員，幫助他們快速掌握人工智能知識體系及提升代碼實踐能力。 本書內容均提供在線課程和習題，讀者可以在飛槳實訓平台AI Studio加入《人工智能導論：案例與實踐》在線課程。

作者簡介

朱強，浙江大學計算機科學與技術學院求是特聘研究員，博士生導師；中國人工智能學會人機融合智能專業委員會副主任委員，中國高校計算機大賽－智能交互創新賽組委會主任委員。2007年獲加州大學聖巴巴拉分校電子與計算機工程專業博士學位，曾在加州大學聖巴巴拉分校、微軟公司總部、三菱電氣美國研究院等國際知名校企任職。長期從事人工智能、計算機視覺、機器學習等領域研究，在人工智能頂尖學術會議及期刊發表高質量論文40餘篇。曾擔任3家人工智能初創企業的創始人及技術合伙人，具有豐富的學科交叉及產學研合作經驗，目前負責人工智能省部共建協同創新中心（浙江大學）的科研與校企合作工作。

目錄

第1章 緒論
1 1 人工智能
1 1 1 人工智能的誕生
1 1 2 人工智能三種主流方法
1 1 3 人工智能的過去和未來
1 2 機器學習
1 2 1 機器學習的定義
1 2 2 機器學習的分類
1 3 深度學習
1 3 1 發展歷史
1 3 2 喪知機模型
1 3 3 多層感知機
1 3 4 應用領域
1 4 新一代人工智能的崛起
1 5 深度學習框架
1 5 1 深度學習框架
1 5 2 使用飛槳框架完成人工智能任務的流程
1 6 實踐基礎
1 6 1 環境準備
1 6 2 張量表示
1 6 3 自動微分機制
1 6 4 飛槳中的模型與層
習題
參考文獻
第2章 機器學習：監督學習
2 1 回歸分析
2 1 1 概述
2 1 2 線性回歸
2 1 3 實踐：基於線性回歸的波士頓房價預測實驗
2 1 4 邏輯斯諦回歸
2 1 5 實踐：基於邏輯斯諦回歸演算法的希格斯玻色子信號預測實驗
2 1 6 小結
2 2 決策樹
2 2 1 概述
2 2 2 決策樹原理
2 2 3 決策樹構建
2 2 4 決策樹延展
2 2 5 實踐：基於決策樹演算法的動物分類實驗
2 2 6 小結
2 3 集成學習
2 3 1 概述鉑
2 3 2 Bagging：隨機森林
2 3 3 實踐：基於隨機森林演算法的鮑魚年齡預測實驗
2 3 4 Boosting：AdaBoost
2 3 5 實踐：基於梯度提升樹演算法的葡萄酒質量分類實驗
2 3 6 小結
2 4 支持向量機
2 4 1 概述
2 4 2 硬間隔支持向量機
2 4 3 軟間隔支持向量機
2 4 4 非線性支持向量機
2 4 5 基於支持向量機演算法的銀行營銷數據分類實驗
2 4 6 小結
習題
參考文獻
第3章 機器學習：無監督學習
3 1 k-means聚類
3 1 1 概述
3 1 2 k-means原理
3 1 3 k-means延展
3 1 4 實踐：基於k-means演算法的鳶尾花聚類實驗
3 1 5 小結
3 2 特徵降維
3 2 1 概述
3 2 2 特徵降維
3 2 3 主成分分析
3 2 4 線性判別分析
3 2 5 實踐：基於線性判別演算法的紅酒類型分類實驗
3 2 6 特徵臉方法
3 2 7 實踐：基於主成分分析演算法的人臉識別與重建實驗
3 2 8 小結
3 3 最大期望演算法
3 3 1 概述
3 3 2 高斯分佈-最大似然估計
3 3 3 混合高斯模型-最大期望
3 3 4 硬幣投擲案例
3 3 5 實踐：基於最大期望演算法的鳶尾花分類實驗
3 3 6 小結
習題
參考文獻
第4章 深度學習
4 1 前饋神經網絡
4 1 1 基本概念
4 1 2 網路訓練
4 1 3 訓練技巧
4 1 4 實踐：基於前饋神經網絡完成房價預測任務
4 2 卷積神經網絡
4 2 1 計算機視覺概述
4 2 2 卷積神經網絡基礎
4 2 3 經典卷積神經網絡
4 2 4 實踐：基於AlexNet實現花卉識別
4 3 循環神經網絡
4 3 1 概念原理
4 3 2 經典RNN網路
4 3 3 實踐：基於LSTM實現電影評論的情感分析
4 4 生成對抗網路
4 4 1 概念原理
4 4 2 經典GAN網路
4 4 3 實踐：基於GAN生成手寫數字識別對抗網路
4 5 深度學習的應用
4 5 1 實踐：基於U-Net實現寵物圖像分割
4 5 2 實踐：基於BiLSTM+CRF實現命名實體識別
4 5 3 實踐：基於ERNIE實現文本分類
習題
參考文獻
第5章 強化學習
5 1 基礎篇
5 1 1 概念及原理
5 1 2 馬爾可夫模型
5 1 3 策略學習
5 1 4 貝爾曼方程
5 2 方法篇
5 2 1 概述
5 2 2 基於價值的方法
5 2 3 實踐：基於Q-learning解決懸崖問題
5 2 4 實踐：基於DQN解決CartPole問題
5 2 5 基於策略的方法
5 2 6 實踐：基於Policy Gradient解決CartPole問題
5 3 應用篇
5 3 1 AlphaStar
5 3 2 科學建模
5 3 3 監督學習
5 3 4 強化學習
5 3 5 多智能體學習
5 3 6 實驗結果
5 3 7 實踐：基於AlphaZero實現Connect4遊戲
習題
參考文獻
詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於客服中心或Line或本社留言板留言，我們即儘速上架。

大陸簡體正版圖書，訂購後正常情形下約兩周可抵台。