人工智能應用實踐教程 (Python實現) (慕課版) 9787115626585 陳景強 周劍 薛景
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$381
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *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，以到貨標的為實際資訊。 印行年月：202401*若逾兩年請先於私訊洽詢存貨情況，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：人工智能應用實踐教程 (Python實現) (慕課版) ISBN：9787115626585 出版社：人民郵電 著編譯者：陳景強 周劍 薛景 頁數：236 所在地：中國大陸 *此為代購商品 書號：1612995 可大量預訂，請先連絡。 內容簡介 本書主要介紹主流的人工智慧理論、演算法以及Python實現方法，目的是使學生學會人工智慧理論及推導過程，並且掌握調用Python人工智慧庫和自定義編碼的方法。全書共分10章，分別為人工智慧與Python概述、Python基礎、線性回歸及其Python實現、邏輯斯蒂分類及其Python實現、最大熵模型及其Python實現、K-近鄰分類與K-均值聚類及其Python實現、樸素貝葉斯分類及其Python實現、決策樹及其Python實現、神經網路及其Python實現、圖像識別領域的應用案例。 本書可作為計算機專業相關課程的教材，也可作為程序設計人員的參考書。目錄 第1章 人工智慧與Python概述1 1 人工智慧的起源與發展 1 2 人工智慧的核心概念 1 2 1 人工智慧的三大學派 1 2 2 強人工智慧與弱人工智慧 1 3 人工智慧的分支領域 1 3 1 機器學習與深度學習 1 3 2 人工智慧的應用分支領域 1 4 人工智慧行業應用與人才需求 1 4 1 人工智慧行業應用舉例 1 4 2 人工智慧人才需求 1 5 Python與人工智慧的關係 1 6 Python人工智慧開發環境安裝 1 6 1 Python的安裝和運行 1 6 2 人工智慧開發庫的安裝 1 6 3 Python集成開發環境 1 6 4 Anaconda 本章小結 課後習題 第2章 Python基礎 2 1 基本語法 2 1 1 對象及其類型 2 1 2 變數和賦值 2 1 3 運算符和表達式 2 1 4 字元串 2 1 5 流程式控制制 2 2 組合數據類型 2 2 1 列表（list） 2 2 2 元組（tuple） 2 2 3 字典（dict） 2 2 4 集合（set和frozenset） 2 3 函數 2 3 1 函數的定義和調用 2 3 2 匿名函數與lambda關鍵字 2 4 異常處理和文件操作 2 4 1 異常處理 2 4 2 文件處理的一般過程 2 4 3 文件的寫操作 2 4 4 文件的讀操作 2 5 面向對象程序設計 2 5 1 類和對象 2 5 2 類的繼承 2 6 數值計算庫NumPy 2 6 1 NumPy多維數組 2 6 2 NumPy數組的索引和切片 2 6 3 NumPy數組的運算 2 6 4 NumPy數組的讀寫操作 2 6 5 NumPy中的數據統計與分析 本章小結 課後習題 第3章 線性回歸及其Python實現 3 1 線性回歸問題簡介 3 2 單變數線性回歸問題 3 3 基於scikit-learn庫求解單變數線性回歸 3 3 1 scikit-learn庫的LinearRegression類說明 3 3 2 求解步驟與編程實現 3 3 3 基於scikit-learn庫的模型評價 3 4 基於最小二乘法的自定義求解單變數線性回歸 3 4 1 使用導數法求解 3 4 2 使用矩陣法求解 3 5 基於梯度下降法的自定義求解單變數線性回歸 3 5 1 簡單二次函數的梯度下降法求極值 3 5 2 批量梯度下降法 3 5 3 隨機梯度下降法 3 6 多變數線性回歸問題 3 6 1 基於scikit-learn庫求解 3 6 2 基於最小二乘法自定義求解 3 6 3 基於梯度下降法自定義求解 3 6 4 數據歸一化問題 3 6 5 高階擬合問題 本章小結 課後習題 第4章 邏輯斯蒂分類及其Python實現 4 1 邏輯斯蒂分類簡介 4 2 二分類邏輯斯蒂分類問題 4 3 基於scikit-learn庫求解二分類邏輯斯蒂分類問題 4 3 1 scikit-learn庫的LogisticRegression類說明 4 3 2 求解步驟與編程實現 4 4 基於梯度下降法求解二分類邏輯斯蒂分類 4 4 1 確定優化目標 4 4 2 梯度計算 4 4 3 Python編程實現 4 5 分類模型的評價 4 5 1 分類模型的評價方法 4 5 2 正確率、精準率、召回率和F1指數 4 5 3 ROC曲線 4 6 非線性分類問題 4 6 1 非線性分類問題的提出與分析 4 6 2 基於scikit-learn庫的求解實現 4 7 正則化問題 4 7 1 正則化問題的提出與分析 4 7 2 正則化問題的求解實現 4 8 多分類邏輯斯蒂分類 4 8 1 問題提出與分析 4 8 2 基於scikit-learn庫的求解實現 4 8 3 基於梯度下降法的自定義求解實現 本章小結 課後習題 第5章 最大熵模型及其Python實現 5 1 最大熵模型簡介 5 2 最大熵模型定義與對偶形式 5 2 1 最大熵模型的定義 5 2 2 最大熵模型的對偶形式 5 2 3 最大熵模型的應用舉例 5 2 4 最大熵模型與Softmax分類器 5 3 最大熵模型的優化演算法及Python實現 5 3 1 通用迭代尺度演算法 5 3 2 基於GIS演算法的最大熵模型的Python實現 5 3 3 改進的迭代尺度演算法 5 3 4 基於IIS演算法的最大熵模型的Python實現 5 4 熵相關指標總結 本章小結 課後習題 第6章 K-近鄰分類與K-均值聚類及其Python實現 6 1 「近鄰」與分類和聚類 6 2 K-近鄰分類 6 2 1 K-近鄰分類的定義 6 2 2 自定義程序實現K-近鄰分類演算法 6 2 3 K-近鄰分類模型的3個基本要素 6 2 4 基於scikit-learn庫實現K-近鄰分類演算法 6 2 5 K-近鄰分類演算法的優缺點分析 6 3 K-均值聚類 6 3 1 K-均值聚類演算法的定義 6 3 2 自定義程序實現K-均值聚類演算法 6 3 3 基於scikit-learn庫實現K-均值聚類演算法 本章小結 課後習題 第7章 樸素貝葉斯分類及其Python實現 7 1 貝葉斯分類簡介 7 2 樸素貝葉斯分類的定義、推導與建模 7 2 1 定義與推導 7 2 2 對房屋是否好賣預測案例的建模與計算 7 3 自定義程序實現樸素貝葉斯分類 7 3 1 建立特徵矩陣 7 3 2 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PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
