掃一掃
關(guān)注中圖網(wǎng)
官方微博
中圖價(jià):¥31.9
加入購物車
人工智能導(dǎo)論(Python版) 微課視頻版 版權(quán)信息
- ISBN：9787302572398
- 條形碼：9787302572398 ; 978-7-302-57239-8
- 裝幀：一般膠版紙
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
人工智能導(dǎo)論(Python版) 微課視頻版 本書特色
本書配套500分鐘視頻講解,為每個(gè)算法知識(shí)點(diǎn)和每個(gè)應(yīng)用方向設(shè)計(jì)了多個(gè)Python實(shí)例，幫助讀者深入理解。 本書全面介紹機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、增強(qiáng)學(xué)習(xí)與深度學(xué)習(xí)等人工智能的基礎(chǔ)算法和自然語言處理、語音識(shí)別、計(jì)算機(jī)視覺、區(qū)塊鏈等主流應(yīng)用領(lǐng)域。 本書難度適中，適合于各專業(yè)大學(xué)生和普通讀者學(xué)習(xí)。 500分鐘視頻講解，Python實(shí)例豐富，涵蓋機(jī)器學(xué)習(xí)等算法與自然語言處理等應(yīng)用所有案例配套視頻演示。全面介紹機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、增強(qiáng)學(xué)習(xí)和深度學(xué)習(xí)等算法基礎(chǔ)及自然語言處理、語音識(shí)別、計(jì)算機(jī)視覺、區(qū)塊鏈等應(yīng)用。
人工智能導(dǎo)論(Python版) 微課視頻版 內(nèi)容簡介
本書通過簡述人工智能的相關(guān)概念、分類與應(yīng)用，介紹人工智能的主流技術(shù)（機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)、強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)），并通過多個(gè)實(shí)際案例詳細(xì)介紹人工智能的主流應(yīng)用領(lǐng)域（自然語言處理、語音識(shí)別、計(jì)算機(jī)視覺、區(qū)塊鏈等），很后介紹人工智能算法。本書還包含一章Python基礎(chǔ)，以便讀者更深入地理解書中的案例實(shí)現(xiàn)。本書可以作為大專院校人工智能通識(shí)課程和人工智能相關(guān)專業(yè)的基礎(chǔ)課程的教材，也可以作為普通讀者（包括有意報(bào)考人工智能相關(guān)專業(yè)的中學(xué)生）整體了解人工智能領(lǐng)域的入門書。
人工智能導(dǎo)論(Python版) 微課視頻版 目錄
目錄
第1章人工智能導(dǎo)引
1．1什么是人工智能
1．2學(xué)習(xí)人工智能的目的和意義
1．3人工智能的應(yīng)用
1．3．1人工智能的行業(yè)圖譜和行業(yè)發(fā)展剖析
1．3．2人工智能結(jié)合大數(shù)據(jù)的行業(yè)應(yīng)用案例
1．3．3人工智能在“互聯(lián)網(wǎng)+”領(lǐng)域的應(yīng)用
1．3．4人工智能在制造業(yè)領(lǐng)域的應(yīng)用
1．3．5人工智能在金融、消費(fèi)領(lǐng)域的應(yīng)用
1．4人工智能的分支
1．4．1人工智能領(lǐng)域的經(jīng)典問題和求解方式
1．4．2機(jī)器學(xué)習(xí)模型和推理符號(hào)模型
1．4．3人工智能和大數(shù)據(jù)
1．4．4人工智能和機(jī)器學(xué)習(xí)
1．4．5人工智能和深度學(xué)習(xí)
1．5小結(jié)
習(xí)題
第2章Python基礎(chǔ)
2．1Python的安裝
2.1.1Ubuntu下的安裝
2．1．2Windows下的安裝
2.2編程基礎(chǔ)
2．2.1數(shù)據(jù)類型與變量
2.2.2字符串和編碼
2.2.3列表、元組及字典
2.2.4條件判斷
2.2.5循環(huán)
2.2.6函數(shù)的定義與調(diào)用
2.3第三方模塊的安裝與使用
2.4文件讀寫
2.5NumPy的使用
2.5.1NumPy簡介、下載與安裝
2.5.2數(shù)據(jù)類型
2.5.3數(shù)組的創(chuàng)建與索引
2.5.4數(shù)組的操作
2.5.5函數(shù)
2．5．6矩陣庫及線性代數(shù)
2.6Python繪圖基礎(chǔ)
2.6.1初級(jí)繪制
2.6.2線條的顏色和粗細(xì)
2.6.3圖例、子圖、坐標(biāo)軸和記號(hào)
2.6.4常見的圖像形狀
2.6.5常見的圖像格式
2.6.6圖像的基本操作
2．7小結(jié)
習(xí)題
第3章機(jī)器學(xué)習(xí)初步
3．1機(jī)器學(xué)習(xí)概述
3．2機(jī)器學(xué)習(xí)的分類
3．3數(shù)據(jù)預(yù)處理與特征工程
3．4sklearn庫簡介
3．5邏輯回歸分類
3．6線性回歸預(yù)測
3．7聚類
3．8小結(jié)
習(xí)題
第4章自然語言處理
4．1自然語言處理的概念
4．2文本分詞與詞匯還原
4．2．1文本分詞
4．2．2使用stemming還原詞匯
4．2．3使用lemmatization還原詞匯
4．3文本分塊與詞袋模型
4．3．1文本分塊
4．3．2詞袋模型
4．4使用TFIDF算法構(gòu)建文檔類別預(yù)測器
4．5案例： 構(gòu)建語義分析器
4．6基于LDA的主題模型
4．7小結(jié)
習(xí)題
第5章語音識(shí)別
5．1處理語音信號(hào)
5．2可視化音頻信號(hào)
5．3將音頻信號(hào)從時(shí)域轉(zhuǎn)換為頻域
5．4生成音頻信號(hào)
5．5提取語音特征
5．6構(gòu)建語音識(shí)別系統(tǒng)——識(shí)別口語詞匯
5．7小結(jié)
習(xí)題
第6章計(jì)算機(jī)視覺
6．1什么是計(jì)算機(jī)視覺
6．2OpenCV簡介
6．3視頻中移動(dòng)物體檢測方法
6．3．1幀間差分法
6．3．2使用色彩空間跟蹤對(duì)象
6．3．3使用背景差分法跟蹤對(duì)象
6．4使用CAMShift算法構(gòu)建目標(biāo)跟蹤器
6．5基于光流的跟蹤
6．6Haar級(jí)聯(lián)和積分圖
6．6．1使用Haar級(jí)聯(lián)進(jìn)行對(duì)象檢測
6．6．2使用積分圖進(jìn)行特征提取
6．7人臉檢測和跟蹤
6．8小結(jié)
習(xí)題
第7章人工神經(jīng)網(wǎng)絡(luò)
7．1什么是人工神經(jīng)網(wǎng)絡(luò)
7．2建立和訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)
7．2．1神經(jīng)元
7．2．2建立人工神經(jīng)網(wǎng)絡(luò)
7．2．3訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)
7．2．4激活函數(shù)
7．3感知器
7．4構(gòu)建單層人工神經(jīng)網(wǎng)絡(luò)和多層人工神經(jīng)網(wǎng)絡(luò)
7．4．1前向網(wǎng)絡(luò)和反饋網(wǎng)絡(luò)
7．4．2構(gòu)建單層人工神經(jīng)網(wǎng)絡(luò)
7．4．3構(gòu)建多層人工神經(jīng)網(wǎng)絡(luò)
7．5循環(huán)人工神經(jīng)網(wǎng)絡(luò)
7．6構(gòu)建光學(xué)字符識(shí)別引擎
7．7小結(jié)
習(xí)題
第8章強(qiáng)化學(xué)習(xí)和深度學(xué)習(xí)
8．1強(qiáng)化學(xué)習(xí)的基本概念
8．1．1什么是強(qiáng)化學(xué)習(xí)
8．1．2強(qiáng)化學(xué)習(xí)與監(jiān)督學(xué)習(xí)的區(qū)別
8．1．3強(qiáng)化學(xué)習(xí)的原理
8．1．4現(xiàn)實(shí)中強(qiáng)化學(xué)習(xí)的實(shí)例
8．2強(qiáng)化學(xué)習(xí)案例——構(gòu)建智能體
8．3什么是深度學(xué)習(xí)
8．4卷積神經(jīng)網(wǎng)絡(luò)
8．4．1什么是卷積神經(jīng)網(wǎng)絡(luò)
8．4．2卷積神經(jīng)網(wǎng)絡(luò)的體系結(jié)構(gòu)
8．5使用單層神經(jīng)網(wǎng)絡(luò)建立圖像分類器
8．6使用卷積神經(jīng)網(wǎng)絡(luò)建立圖像分類器
8．7小結(jié)
習(xí)題
第9章區(qū)塊鏈
9．1區(qū)塊鏈概述
9．1．1區(qū)塊鏈的起源與發(fā)展
9．1．2區(qū)塊鏈的類型與特征
9．1．3區(qū)塊鏈架構(gòu)模型
9．1．4區(qū)塊鏈核心技術(shù)
9．1．5區(qū)塊鏈應(yīng)用
9．2人工智能與區(qū)塊鏈
9．3在區(qū)塊鏈過程中使用樸素貝葉斯
9．4案例： 使用樸素貝葉斯優(yōu)化區(qū)塊鏈
9．5小結(jié)
習(xí)題
第10章人工智能算法
10．1啟發(fā)式搜索算法
10．2遺傳算法
10．2．1遺傳算法原理
10．2．2相關(guān)生物學(xué)術(shù)語
10．2．3運(yùn)算過程
10．2．4案例實(shí)現(xiàn)
10．3模擬退火算法
10．3．1模擬退火算法原理
10．3．2模擬退火算法模型
10．3．3參數(shù)控制問題
10．3．4案例實(shí)現(xiàn)
10．4蟻群算法
10．4．1蟻群算法原理
10．4．2算法流程
10．4．3案例實(shí)現(xiàn)
10．5小結(jié)
參考文獻(xiàn)
展開全部
人工智能導(dǎo)論(Python版) 微課視頻版 作者簡介
姜春茂，博士，哈爾濱師范大學(xué)教授，機(jī)器人教育專家，黑龍江軟件學(xué)會(huì)常務(wù)理事，哈工大機(jī)器人（合肥）國際創(chuàng)新研究院研發(fā)副總師。已出版《人工智能基礎(chǔ)教程：Python篇（青少版）》等圖書。
書友推薦
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
- >
月亮虎
- >
自卑與超越
- >
有舍有得是人生
- >
史學(xué)評(píng)論
- >
莉莉和章魚
本類暢銷
