人工智能創新實踐教程 劉立波 9787121479106 【台灣高等教育出版社】
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：電子工業
物品所在地：中國大陸
原出版社：電子工業
NT$444
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
| *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：202405*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：人工智能創新實踐教程 ISBN：9787121479106 出版社：電子工業 著編譯者：劉立波 頁數：245 所在地：中國大陸 *此為代購商品 書號：1642239 可大量預訂，請先連絡。 內容簡介 本書主要內容分為三部分，逐步引導學生由淺入深、由簡到難地學習。第一部分是環境基礎教學，包括第1、2章，分別是實驗環境搭建和Python編程語言基礎；第二部分是機器學習，包括第3∼11章，詳細介紹了機器學習的核心演算法原理及相關實戰案例，如利用隱形眼鏡數據集構建隨機森林模型來預測適合客戶的隱形眼鏡類型、基於樸素貝葉斯分類演算法實現年收入預測、採用支持向量機演算法預測泰坦尼克號人員存活率；第三部分是深度學習，包括第12∼16章，重點介紹深度學習基礎知識和不同經典網路原理及相關實戰案例，如利用卷積神經網路模型實現手寫數字識別、採用VGG16模型實現天氣識別，以人工智慧的示範應用來啟發學生進一步進行深化研究。本書提供課程資源包，包括案例源代碼、課件PPT等。本書面向具有人工智慧技術需求的相關專業學生，按照初學者的學習思維與人工智慧的特點及規律進行設計，科學布局併合理規劃課程路線，緊密結合機器學習與深度學習發展歷程，並將陳述性理論知識穿插於技能訓練中。 本書可作為高等院校計算機相關專業人工智慧課程的教材或實踐配套教材，也可作為非計算機相關專業人工智慧創新實驗課程和大專、培訓類學校的參考書。目錄 第一部分 環境基礎教學第1章 實驗環境搭建 1 1 Anaconda的安裝 1 2 PyCharm的安裝與使用 1 3 包的安裝 1 3 1 pip的安裝與使用 1 3 2 NumPy的安裝 1 3 3 Matplotlib的安裝 1 3 4 Pandas的安裝 1 4 框架搭建 1 4 1 PyTorch-CPU的安裝 1 4 2 TensorFlow-CPU的安裝 1 5 本章小結 1 6 本章習題 第2章 Python編程語言基礎 2 1 基礎語法 2 1 1 輸入/輸出函數 2 1 2 標識符和關鍵字 2 1 3 變數、數據類型及註釋 2 1 4 運算符 2 2 基本程序設計方法 2 2 1 函數 2 2 2 分支結構 2 2 3 循環 2 3 編程進階 2 3 1 列表 2 3 2 字典 2 3 3 文件操作 2 4 本章小結 2 5 本章習題 第二部分 機器學習 第3章 機器學習基礎 3 1 基本概念 3 2 機器學習的三要素 3 2 1 模型 3 2 2 學習策略 3 2 3 優化準則 3 3 評估方法 3 3 1 數據集劃分方法 3 3 2 性能度量 3 4 本章小結 3 5 本章習題 第4章 K近鄰演算法 4 1 演算法概述 4 1 1 基本概念 4 1 2 距離計算函數 4 2 實驗數據 4 2 1 準備數據 4 2 2 分析數據 4 2 3 處理數據 4 3 演算法實戰 4 3 1 KNN演算法實現 4 3 2 預測測試集並計算準確率 4 3 3 結果分析 4 4 本章小結 4 5 本章習題 第5章 決策樹演算法 5 1 演算法概述 5 1 1 基本概念 5 1 2 特徵選擇 5 1 3 決策樹的生成 5 1 4 決策樹的剪枝 5 1 5 決策樹的存儲 5 1 6 決策樹的可視化 5 2 實驗數據 5 2 1 數據集介紹 5 2 2 導入數據集 5 2 3 劃分訓練集和測試集 5 3 演算法實戰 5 3 1 計算香農熵 5 3 2 數據集最佳劃分函數 5 3 3 按照給定列劃分數據集 5 3 4 遞歸構建決策樹 5 3 5 利用訓練集生成決策樹 5 3 6 保存決策樹 5 3 7 預測測試集並計算準確率 5 3 8 繪製決策樹 5 4 本章小結 5 5 本章習題 第6章 樸素貝葉斯演算法 6 1 演算法概述 6 1 1 基本概念 6 1 2 貝葉斯演算法的原理 6 1 3 樸素貝葉斯演算法的類型 6 2 實驗數據 6 2 1 準備數據 6 2 2 分析數據 6 2 3 處理數據 6 3 演算法實戰 6 3 1 演算法構建 6 3 2 訓練測試數據 6 3 3 結果分析 6 4 本章小結 6 5 本章習題 第7章 Logistic回歸 7 1 Logistic回歸概述 7 1 1 基本概念 7 1 2 Logistic回歸演算法 7 1 3 梯度下降法 7 2 Logistic回歸實戰 7 2 1 準備數據 7 2 2 分析數據 7 2 3 處理數據 7 3 演算法實戰 7 3 1 演算法構建 7 3 2 定義分類函數 7 3 3 預測測試集並計算準確率 7 3 4 結果分析 7 4 本章小結 7 5 本章習題 第8章 支持向量機 8 1 支持向量機演算法思想 8 1 1 演算法原理 8 1 2 演算法流程 8 1 3 SMO演算法 8 2 實驗數據 8 2 1 準備數據 8 2 2 分析數據 8 2 3 處理數據 8 3 演算法實戰 8 3 1 演算法構建 8 3 2 訓練測試數據 8 3 3 結果分析 8 4 本章小結 8 5 本章習題 第9章 隨機森林演算法 9 1 演算法概述 9 1 1 集成學習概述 9 1 2 隨機森林演算法概述 9 2 實驗數據 9 2 1 準備數據 9 2 2 分析數據 9 2 3 處理數據 9 3 演算法實戰 9 3 1 創建隨機森林分類器 9 3 2 創建修改參數的隨機森林 9 3 3 使用隨機森林模型找重要特徵 9 3 4 可視化特徵分數 9 3 5 在選定的特徵上建立隨機森林模型 9 4 本章小結 9 5 本章習題 第10章 AdaBoost演算法 10 1 演算法概述 10 1 1 Boosting演算法概述 10 1 2 AdaBoost演算法概述 10 2 實驗數據 10 2 1 準備數據 10 2 2 處理數據 10 3 演算法實戰 10 3 1 演算法構建 10 3 2 訓練測試數據 10 3 3 結果分析 10 4 本章小結 10 5 本章習題 第11章 Apriori演算法 11 1 演算法概述 11 1 1 關聯分析 11 1 2 Apriori演算法的思想 11 2 實驗數據 11 2 1 準備數據 11 2 2 分析數據 11 2 3 處理數據 11 3 演算法實戰 11 3 1 演算法構建 11 3 2 訓練測試數據 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。 |
