智能計算技術與應用 李敏 趙宏 李興娟 9787111750871 【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：機械工業
物品所在地：中國大陸
原出版社：機械工業
NT$375
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：202407*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：智能計算技術與應用 ISBN：9787111750871 出版社：機械工業 著編譯者：李敏 趙宏 李興娟 頁數：203 所在地：中國大陸 *此為代購商品 書號：1658338 可大量預訂，請先連絡。 內容簡介 本書面向初學者介紹智能計算的相關概念、典型應用，採用研究性學習方法和P-MASE模型，按照引入問題、尋找方法、問題分析、問題求解、效果評價的模式，講授智能計算編程、數據獲取和預處理、數據可視化、預測數據的值、分類問題、聚類分析、神經網路、智能圖像識別、時間序列數據的處理等知識，並給出了兩個綜合案例。 本書深入淺出、案例豐富、可操作性強，適合作為高校智能計算相關課程的入門教材，也適合相關技術人員學習參考。目錄 前言第1章 智能計算概述 1 1 人工智慧與智能計算 1 1 1 人工智慧 1 1 2 智能計算時代與學科融合 1 1 3 「新醫科」與智能計算 1 1 4 智能計算時代的其他典型應用 1 2 培養「新醫科」學生的素養 1 2 1 「新醫科」學生的基本素養 1 2 2 科學、技術與工程 1 2 3 科研方法與工程方法 1 2 4 智能計算素養 1 3 研究性學習方法與P-MASE模型 1 3 1 研究性學習與學習方法 1 3 2 P-MASE模型 參考文獻 第2章 智能計算編程基礎 2 1 引入問題 2 1 1 問題描述 2 1 2 問題歸納 2 2 尋找方法 2 2 1 Python編程環境 2 2 2 Python編程基礎 2 2 3 Python的內置模塊和第三方工具包 2 3 問題分析 2 4 問題求解 2 5 效果評價 參考文獻 第3章 數據獲取和預處理 3 1 引入問題 3 1 1 問題描述 3 1 2 問題歸納 3 2 尋找方法 3 2 1 數據的類別 3 2 2 數據採集方法 3 2 3 數據預處理 3 2 4 數據變換 3 3 問題分析 3 4 問題求解 3 4 1 利用爬蟲代碼進行數據採集 3 4 2 利用數據採集工具進行數據採集 3 5 效果評價 參考文獻 第4章 數據可視化 4 1 引入問題 4 1 1 問題描述 4 1 2 問題歸納 4 2 尋找方法 4 2 1 數據的統計特徵和可視特徵 4 2 2 數據可視化的基本要素 4 2 3 數據可視化工具 4 2 4 數據可視化方法 4 3 問題分析 4 4 問題求解 4 5 效果評價 參考文獻 第5章 預測數據的值 5 1 引入問題 5 1 1 問題描述 5 1 2 問題歸納 5 2 尋找方法 5 2 1 回歸分析的基本原理 5 2 2 線性回歸 5 2 3 常用的回歸模型評估方法 5 2 4 使用Python實現線性回歸 5 2 5 多項式回歸 5 3 問題分析 5 4 問題求解 5 4 1 載入數據 5 4 2 分析數據特徵及預處理 5 4 3 建立線性回歸預測模型 5 5 效果評價 參考文獻 第6章 判斷對象屬於哪一類 6 1 引入問題 6 1 1 問題描述 6 1 2 問題歸納 6 2 尋找方法 6 2 1 分類問題及常用演算法 6 2 2 利用Python求解分類問題 6 3 問題分析 6 4 問題求解 6 4 1 確定問題特徵 6 4 2 數據採集與預處理 6 4 3 選擇分類模型 6 4 4 預測新樣本 6 5 效果評價 參考文獻 第7章 將對象劃分為不同的類別——聚類分析 7 1 引入問題 7 1 1 問題描述 7 1 2 問題歸納 7 2 尋找方法 7 2 1 聚類問題概述 7 2 2 k-means演算法簡介 7 2 3 k-means聚類演算法的實現 7 2 4 k-means演算法中類簇數量k的選取 7 2 5 調用工具包實現k-means聚類 7 3 問題分析 7 4 問題求解 7 4 1 二維數據聚類 7 4 2 三維數據聚類 7 5 效果評價 參考文獻 第8章 讓計算機像人腦一樣思考 8 1 引入問題 8 1 1 問題描述 8 1 2 問題歸納 8 2 尋找方法 8 2 1 生物神經網路 8 2 2 人工神經網路 8 2 3 BP人工神經網路 8 2 4 Python中的人工神經網路 8 3 問題分析 8 4 問題求解 8 4 1 確定問題特徵 8 4 2 收集特徵數據及數據預處理 8 4 3 神經網路分類預測模型 8 5 效果評價 參考文獻 第9章 如何讓計算機看懂圖像 9 1 引入問題 9 1 1 問題描述 9 1 2 問題歸納 9 2 尋找方法 9 2 1 生物醫學圖像分類的基本實現 方法 9 2 2 深度學習基礎 9 2 3 卷積神經網路的原理 9 2 4 幾種典型的深度卷積神經網路模型 9 2 5 Python中的圖像分類 9 3 問題分析 9 4 問題求解 9 4 1 確定生物識別採用的技術方案 9 4 2 訓練數據集的獲取 9 4 3 對圖像數據進行預處理 9 4 4 構建VGGNet-16神經網路模型 9 4 5 使用訓練好的神經網路模型對圖像文件進行分類 9 5 效果評價 參考文獻 第10章 處理時間序列數據 10 1 引入問題 10 1 1 問題描述 10 1 2 問題歸納 10 2 尋找方法 10 2 1 時間序列預測 10 2 2 循環神經網路 10 3 問題分析 10 3 1 匈牙利每周水痘病例數據集 10 3 2 數據處理方法 10 4 問題求解 10 4 1 數據讀取 10 4 2 數據預處理 10 4 3 構建模型 10 4 4 訓練模型 10 5 效果評價 參考文獻 第11章 淋巴造影分類預測綜合案例 11 1 引入問題 11 1 1 問題描述 11 1 2 數據描述 11 2 尋找方法 11 2 1 數據預處理方法 11 2 2 分類預測方法 11 3 問題分析 11 3 1 載入數據集 11 3 2 查看數據分佈 11 3 3 分析屬性與標籤結 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。 |
