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
人工智能超入門叢書--數據科學:機器學習如何數據掘金 版權信息
- ISBN：9787122425164
- 條形碼：9787122425164 ; 978-7-122-42516-4
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
人工智能超入門叢書--數據科學:機器學習如何數據掘金 本書特色
本書面向在人工智能方向零基礎的讀者，內容定位于專業知識入門和普及層面，全面系統，通俗易懂，讓讀者真正了解和理解人工智能的相關技術方向，而不僅僅是編程技術。
人工智能超入門叢書--數據科學:機器學習如何數據掘金 內容簡介
“人工智能超入門叢書”致力于面向人工智能各技術方向零基礎的讀者，內容涉及數據思維、數據科學、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統等方向，體系完整、內容簡潔、文字通俗，綜合介紹人工智能相關知識，并輔以程序代碼解決問題，使得零基礎的讀者快速入門。 本書是“人工智能超入門叢書”的一個分冊，以機器學習為主線，介紹如何利用機器學習進行數據分析。全書內容共分7章，主要包括機器學習基本概念、數據分析相關基礎知識、機器學習解決四類問題（回歸問題、分類問題、聚類問題、降維問題）的算法、神經網絡相關知識，并在附錄中對Python編程基礎知識、數據相關數學知識以及Python實驗室Jupyter Lab的使用進行了介紹。 本書面向在人工智能方向零基礎的讀者，內容全面系統，語言通俗易懂，配合典型程序操作練習，簡單易上手，能夠幫助讀者輕松認識和理解人工智能核心技術。本書可以作為大學生以及想要走向人工智能工作崗位的技術人員的入門讀物，也可作為青少年人工智能相關技術方向的課程教材，同時也可作為技術普及讀物供對人工智能技術感興趣的讀者閱讀。
人工智能超入門叢書--數據科學:機器學習如何數據掘金 目錄
第1章 機器“學習” 001
1.1 數據科學、人工智能與機器學習 002
1.1.1 數據科學與機器學習 002
1.1.2 人工智能≠機器學習≠深度學習 005
1.2 機器學習概述 011
1.2.1 機器學習是什么 011
1.2.2 機器學習學什么 018
1.3 數據素養 021
1.3.1 何為數據素養 021
1.3.2 數據素養的維度劃分 023
第2章 數據基礎 025
2.1 先利其器 026
2.2 科學計算 029
2.2.1 向量與矩陣生成 029
2.2.2 向量與矩陣運算 035
2.3 數據分析 040
2.3.1 Series與DataFrame 040
2.3.2 文件的導入與處理 044
2.4 數據可視 047
2.4.1 基本圖形 047
2.4.2 畫圖點睛 052
第3章 回歸問題 057
3.1 什么是回歸問題 058
3.1.1 回歸分析概述 058
3.1.2 *小二乘法 060
3.2 線性回歸 061
3.2.1 一元線性回歸 061
3.2.2 多元線性回歸 069
3.3 進階：可視化 075
第4章 分類問題 078
4.1 什么是分類問題 079
4.2 近朱者赤近墨者黑的k近鄰 079
4.2.1 k近鄰算法基本原理 079
4.2.2 k近鄰算法實踐 085
4.3 通過熵解決分類的決策樹 087
4.3.1 決策樹與信息熵 087
4.3.2 決策樹案例與實踐 090
4.4 進階：距離 098
第5章 聚類問題 100
5.1 什么是聚類 101
5.2 K均值聚類 103
5.2.1 K均值聚類原理 103
5.2.2 K均值聚類實踐 109
5.3 系統聚類 113
5.3.1 系統聚類原理 113
5.3.2 系統聚類實踐 118
5.4 進階：再談距離 120
第6章 降維問題 122
6.1 什么是降維問題 123
6.2 主成分分析 124
6.2.1 主成分分析原理 124
6.2.2 主成分分析實踐 126
6.3 奇異值分解 131
6.3.1 奇異值分解原理 131
6.3.2 奇異值分解實踐 133
6.4 進階：特征值與特征向量 136
第7章 神經網絡 141
7.1 從神經元到感知機 142
7.1.1 從生物神經元到人工神經元 142
7.1.2 從單層感知機到多層感知機 146
7.2 神經網絡的運行原理 150
7.2.1 結構概述 150
7.2.2 前向傳播 151
7.2.3 反向傳播 155
7.3 神經網絡的參數說明與實踐 156
7.3.1 參數與超參數 156
7.3.2 解決分類與回歸問題 158
7.4 進階：反向傳播推導 163
附錄A Python基礎 166
A.1 運算符 167
A.1.1 基本算術運算符與數值型 167
A.1.2 關系運算符、邏輯運算符與布爾型 168
A.2 字符串與數據結構 170
A.2.1 字符串 170
A.2.2 列表 171
A.2.3 元組 172
A.2.4 字典 173
A.3 控制結構 174
A.3.1 if語句 174
A.3.2 while語句 175
A.3.3 for語句 176
A.3.4 多重循環 177
A.4 定義函數 178
附錄B 導數與代數基礎 179
B.1 導數 180
B.2 向量 183
B.3 矩陣 189
附錄C 騰訊扣叮Python實驗室：Jupyter Lab使用說明 196
展開全部
書友推薦
- >
我從未如此眷戀人間
- >
我與地壇
- >
二體千字文
- >
回憶愛瑪儂
- >
史學評論
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
【精裝繪本】畫給孩子的中國神話
- >
朝聞道
本類暢銷
