掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
人工智能與機器學習 版權信息
- ISBN：9787300275819
- 條形碼：9787300275819 ; 978-7-300-27581-9
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能與機器學習 內容簡介
隨著計算機技術迅猛地發展，人工智能與機器學習已經滲透到我們日常生活的各個領域。為此，中國人民大學專門為全校財經和人文專業的學生開設了“人工智能與機器學習”課程，本書的所有作者都參與了該門課程的教學實踐，相互配合，總結教學經驗，共同打磨而成《人工智能與機器學習》一書。書中通過豐富現實案例的詳細講解，引導學生了解各種機器學習模型的基本原理與實踐用法。避開了大量的數學模型和復雜編程知識，讓學生熟悉當下流行的一些機器學習和數據處理工具的使用，來解決現實領域遇到的各種數據分析和預測問題。
人工智能與機器學習 目錄
目錄
第1章人工智能簡介
11什么是人工智能
12人工智能簡史（1956年以前）
13人工智能簡史（1956—1980年）
14人工智能簡史（1980—2010年）
15人工智能簡史（2010年至今）
第2章機器學習簡介
21什么是機器學習
22機器學習分類
第3章Python簡介
31環境配置
32Python基礎編程
33Numpy
34Matplotlib
35Pandas
第4章K近鄰
41什么是K近鄰
42如何度量距離或者相似性
43數據縮放
44選擇合適的K值
45Scikitlearn KNN分類器介紹
46案例一：鳶尾花分類
第5章模型選擇
51偏差與方差
52訓練集與測試集
53交叉驗證
54案例二：鳶尾花分類（案例一續）
第6章線性回歸
61什么是線性回歸
62損失函數
63增加多項式特征
64正則化
65超參數調優
66案例三：波士頓房價預測
第7章邏輯回歸
71什么是邏輯回歸
72決策邊界
73損失函數
74線性回歸和邏輯回歸的異同
75多分類
76案例四：泰坦尼克號乘客生還預測
第8章分類評價指標
81混淆矩陣
82查準率與查全率、F1分數
83ROC曲線和AUC
84多分類評價指標
85案例五：泰坦尼克號乘客生還預測（案例四續）
第9章樸素貝葉斯
91貝葉斯定理
92樸素貝葉斯分類器
93不同的樸素貝葉斯模型
94文本分類
95案例六：垃圾郵件識別
第10章支持向量機
101什么是支持向量機
102核函數
103支持向量機的參數優化
104案例七：垃圾郵件識別（案例六續）
105總結
第11章決策樹
111什么是決策樹
112構建決策樹
113修剪決策樹
114決策樹的優缺點和使用方法
115案例八：泰坦尼克號乘客生還預測
第12章集成學習
121袋裝
122提升
123堆疊
124案例九：泰坦尼克號乘客生還預測（案例八續）
第13章聚類
131什么是聚類
132Kmeans算法
133聚類結果的評價
134不同的距離指標
135聚合式層次聚類
136案例十：商場客戶聚類
第14章深度學習
141深度學習發展簡史
142多層感知器
143損失函數
144優化算法：反向傳播算法
145案例十一：手寫數字識別
146深度學習技巧
147卷積神經網絡
148案例十二：圖像識別
第15章Kaggle競賽
151Kaggle平臺簡介
152Kaggle競賽簡介
153Kaggle競賽案例分析：泰坦尼克號乘客生還預測
第1章人工智能簡介
11什么是人工智能
12人工智能簡史（1956年以前）
13人工智能簡史（1956—1980年）
14人工智能簡史（1980—2010年）
15人工智能簡史（2010年至今）
第2章機器學習簡介
21什么是機器學習
22機器學習分類
第3章Python簡介
31環境配置
32Python基礎編程
33Numpy
34Matplotlib
35Pandas
第4章K近鄰
41什么是K近鄰
42如何度量距離或者相似性
43數據縮放
44選擇合適的K值
45Scikitlearn KNN分類器介紹
46案例一：鳶尾花分類
第5章模型選擇
51偏差與方差
52訓練集與測試集
53交叉驗證
54案例二：鳶尾花分類（案例一續）
第6章線性回歸
61什么是線性回歸
62損失函數
63增加多項式特征
64正則化
65超參數調優
66案例三：波士頓房價預測
第7章邏輯回歸
71什么是邏輯回歸
72決策邊界
73損失函數
74線性回歸和邏輯回歸的異同
75多分類
76案例四：泰坦尼克號乘客生還預測
第8章分類評價指標
81混淆矩陣
82查準率與查全率、F1分數
83ROC曲線和AUC
84多分類評價指標
85案例五：泰坦尼克號乘客生還預測（案例四續）
第9章樸素貝葉斯
91貝葉斯定理
92樸素貝葉斯分類器
93不同的樸素貝葉斯模型
94文本分類
95案例六：垃圾郵件識別
第10章支持向量機
101什么是支持向量機
102核函數
103支持向量機的參數優化
104案例七：垃圾郵件識別（案例六續）
105總結
第11章決策樹
111什么是決策樹
112構建決策樹
113修剪決策樹
114決策樹的優缺點和使用方法
115案例八：泰坦尼克號乘客生還預測
第12章集成學習
121袋裝
122提升
123堆疊
124案例九：泰坦尼克號乘客生還預測（案例八續）
第13章聚類
131什么是聚類
132Kmeans算法
133聚類結果的評價
134不同的距離指標
135聚合式層次聚類
136案例十：商場客戶聚類
第14章深度學習
141深度學習發展簡史
142多層感知器
143損失函數
144優化算法：反向傳播算法
145案例十一：手寫數字識別
146深度學習技巧
147卷積神經網絡
148案例十二：圖像識別
第15章Kaggle競賽
151Kaggle平臺簡介
152Kaggle競賽簡介
153Kaggle競賽案例分析：泰坦尼克號乘客生還預測
展開全部
人工智能與機器學習 節選
人工智能的終極目標是制造出具有人類智能的機器。從幾千年前的古希臘始，人類就一直夢想著制造出能像人一樣思考和行動的機器。現代電子計算機的誕生為這一夢想提供了強有力的實現基礎。圖靈在《計算機器與智能》一文中推測了構建會思考的機器的可能性，并提出了用以衡量一個機器是否具有智能的標準——圖靈測試。人工智能作為一個研究領域，*早在1956年的達特茅斯會議上提出。它通常被視為計算機科學的一個分支，但其涉及計算機科學、神經科學、心理學、認知學、哲學和語言學等多種自然科學和社會科學學科，其范圍已經遠遠超出了計算機科學的范疇。 近年來，隨著計算機技術的迅猛發展，各行各業都在經歷深刻的變革。從“互聯網+”到“智能+”，人工智能幾乎無孔不入，滲透到我們的日常生活和各個領域，如教育、醫療、金融、農業生產、工業制造、商業決策、科學發現、政府管理等。因而，各行各業的人才都需要了解和掌握一定的人工智能知識和技術，才能更好地適應當前第三次人工智能浪潮帶來的新技術變革。 基于這樣的初衷，我們從2018年春季學期開始，在中國人民大學開設了一門計算機應用類公共課：人工智能與機器學習。該課程面向全校的非計算機專業的本科生，如財金及人文社科類的學生，向他們普及人工智能和機器學習技術。其設計主旨是盡可能不涉及大量數學模型與復雜編程知識，通過對豐富應用案例的詳細講解，引導學生了解各種機器學習模型的基本原理與實踐用法，熟悉當下流行的一些機器學習和數據處理工具的使用，從而能夠使用機器學習技術來解決各領域現實中遇到的各種數據分析和預測問題。 開設課程時，我們發現缺少合適的教材。目前市面上有一些較詳細討論機器學習原理的優秀教材，如周志華的《機器學習》和李航的《統計學習方法》等，但它們缺乏具體的模型使用實踐與代碼。市場上也不乏“零基礎”或“零起點”的機器學習快速入門教材，但這些書籍又過于偏重實際的代碼操作，缺乏對模型原理的講解。沒有對模型原理的理解，讀者很難真正學會使用模型。例如，模型中有哪些超參數？它們各自的含義是什么？如何設置*佳的超參數值？如果一個模型性能不佳，可能的原因有哪些？如何改進？等等。基于這些考慮，我們決定編寫一本適合這門課程設計和定位的教材，即主要面向非計算機專業的本科學生，更好地將機器學習原理與應用實踐結合起來。
人工智能與機器學習 作者簡介
王秋月，中國人民大學信息學院計算機系講師。主要研究領域是數據庫、信息檢索、知識庫的構建與應用等。她在香港中文大學取得博士學位，在德國奧格斯堡大學做了兩年博士后工作，并于2014年訪問德國馬克斯普朗克計算機科學研究所一年。她于2010年至2013年負責組織國際信息檢索評測會議INEX中的Data-Centric Track和Linked-Data Track，并擔任過SIGIR、TKDE等國際會議和雜志的評委，在國內外期刊和會議上發表論文30余篇。主持或參與國家自然科學基金青年項目、面上項目、重點項目及國家重點研發計劃項目等多項。覃雄派，中國人民大學信息學院計算機系副教授。2009年畢業于中國人民大學信息學院，獲得工學博士學位。目前主要從事高性能數據庫、大數據分析、信息檢索等方面的研究工作，主持1項國家自然科學基金面上項目，參與多項國家“863”計劃、“973”計劃及國家自然科學基金項目，在國內外期刊和會議上發表論文30余篇。趙素云，中國人民大學信息學院計算機系副教授。2009年畢業于香港理工大學，獲博士學位。主要研究方向為機器學習，不確定信息處理，以及隱私保護在數據挖掘中的應用等。主持國家自然科學基金項目兩項，并參與國家自然科學基金重點項目、核高基等多項。現已發表學術論文30余篇（其中SCI檢索論文10余篇）。目前，文章他引次數合計近1000次。張靜，中國人民大學信息學院計算機系講師。2016年畢業于清華大學計算機科學與技術系，獲博士學位。研究興趣為數據挖掘。發表多篇數據挖掘國際**會議與期刊論文，包括TKDE,TKDD, KDD，IJCAI, AAAI等。Google統計論文引用量達到2000多次。
書友推薦
- >
苦雨齋序跋文-周作人自編集
- >
我與地壇
- >
回憶愛瑪儂
- >
朝聞道
- >
羅曼·羅蘭讀書隨筆-精裝
- >
名家帶你讀魯迅:故事新編
- >
經典常談
- >
山海經
本類暢銷
