中圖網小程序
一鍵登錄
更方便
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
圖解機器學習和深度學習入門 版權信息
- ISBN：9787122433398
- 條形碼：9787122433398 ; 978-7-122-43339-8
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
圖解機器學習和深度學習入門 本書特色
這本書的特色就是“簡單”，這本書沒有這么多的“高大上”，而是用基本的表達講述了很多達人們覺得理所應當而新手們云里霧里的知識，甚至能讓學過理論知識但是沒有實踐的人讀完之后產生，原來機器學習是這個樣子呀的感覺。這本書里沒有大量生澀的公式，也沒有令人望而生畏的論文，有的只是一幅幅生動的示意圖，能讓讀者將人工智能的知識通過圖解的方式記到心里。
圖解機器學習和深度學習入門 內容簡介
本書作為人工智能專業的入門書，帶領讀者初步學習和實踐機器學習、深度學習的算法、流程和核心技術，并介紹了系統開發及開發環境，通過圖解的方式將難懂的專業術語和算法表現出來，讓沒有相關專業基礎的讀者能夠輕松入門。同時，本書還介紹了一些比較常用的網站網絡服務，讓讀者能夠學以致用。 本書適合人工智能領域入門讀者，也適合對人工智能感興趣的其他領域讀者學習。
圖解機器學習和深度學習入門 目錄
第1章 人工智能的基礎知識
01 人工智能是什么 002
02 機器學習（ML） 006
03 深度學習（DL）是什么 010
04 人工智能和機器學習的普及之路 014
第2章 機器學習的基礎知識
05 有教師學習的機制 020
06 無教師學習的機制 024
07 強化學習的機制 028
08 統計和機器學習的區別 030
09 機器學習和特征量 034
10 擅長的領域和不擅長的領域 038
11 應用機器學習的案例 042
第3章 機器學習的過程和核心技術
12 機器學習的基本工作流程 048
13 數據的收集 052
14 數據的整定 056
15 模型的制作和訓練 060
16 批學習和在線學習 064
17 利用測試數據對預測結果進行驗證 066
18 訓練結果的評價標準 070
19 超參數和模型的調節 076
20 主動學習 080
21 相關和因果 084
22 反饋回路 088
第4章 機器學習算法
23 回歸分析 092
24 支持向量機 098
25 決策樹 102
26 協同學習 106
27 協作學習的應用 110
28 邏輯回歸 114
29 貝葉斯模型 116
30 時間序列分析和狀態空間模型 120
31 k近鄰（k-NN）法和k平均（k-means）法 124
32 降維和主成分分析 128
33 優化和遺傳算法 132
第5章 深度學習的基礎知識
34 神經網絡和其歷史 138
35 深度學習和圖像識別 146
36 深度學習和自然語言處理 150
第6章 深度學習的流程和核心技術
37 基于誤差反向傳播法的神經網絡學習 156
38 神經網絡的優化 158
39 坡度消失問題 162
40 遷移學習 164
第7章 深度學習算法
41 卷積神經網絡（CNN） 170
42 遞歸型神經網絡（RNN） 174
43 強化學習和深度學習 180
44 自動編碼器 186
45 GAN（生成對抗網絡） 190
46 物體檢測 194
第8章 系統開發和開發環境
47 人工智能編程使用的主要語言 200
48 機器學習的庫和框架 204
49 深度學習的框架 208
50 GPU編程和快速化 214
51 機器學習服務 216
結束語 219
參考文獻 220
01 人工智能是什么 002
02 機器學習（ML） 006
03 深度學習（DL）是什么 010
04 人工智能和機器學習的普及之路 014
第2章 機器學習的基礎知識
05 有教師學習的機制 020
06 無教師學習的機制 024
07 強化學習的機制 028
08 統計和機器學習的區別 030
09 機器學習和特征量 034
10 擅長的領域和不擅長的領域 038
11 應用機器學習的案例 042
第3章 機器學習的過程和核心技術
12 機器學習的基本工作流程 048
13 數據的收集 052
14 數據的整定 056
15 模型的制作和訓練 060
16 批學習和在線學習 064
17 利用測試數據對預測結果進行驗證 066
18 訓練結果的評價標準 070
19 超參數和模型的調節 076
20 主動學習 080
21 相關和因果 084
22 反饋回路 088
第4章 機器學習算法
23 回歸分析 092
24 支持向量機 098
25 決策樹 102
26 協同學習 106
27 協作學習的應用 110
28 邏輯回歸 114
29 貝葉斯模型 116
30 時間序列分析和狀態空間模型 120
31 k近鄰（k-NN）法和k平均（k-means）法 124
32 降維和主成分分析 128
33 優化和遺傳算法 132
第5章 深度學習的基礎知識
34 神經網絡和其歷史 138
35 深度學習和圖像識別 146
36 深度學習和自然語言處理 150
第6章 深度學習的流程和核心技術
37 基于誤差反向傳播法的神經網絡學習 156
38 神經網絡的優化 158
39 坡度消失問題 162
40 遷移學習 164
第7章 深度學習算法
41 卷積神經網絡（CNN） 170
42 遞歸型神經網絡（RNN） 174
43 強化學習和深度學習 180
44 自動編碼器 186
45 GAN（生成對抗網絡） 190
46 物體檢測 194
第8章 系統開發和開發環境
47 人工智能編程使用的主要語言 200
48 機器學習的庫和框架 204
49 深度學習的框架 208
50 GPU編程和快速化 214
51 機器學習服務 216
結束語 219
參考文獻 220
展開全部
圖解機器學習和深度學習入門 作者簡介
山口達輝，Aidemy股份有限公司的工程師。依照Aidemy Pre-mium Plan計劃，對學習者從基本的編程指南到機器學習系統的實踐進行指導。大學專攻自動駕駛專業，但是因偶然的機會從其他學科的教師那里取得了講義后對機器學習的未來充滿信心，隨后變成了AI工程師。當前對于人工智能和腦科學領域比較感興趣。現在正在為了探究人類的心智究竟是什么這個其中學時代就感興趣的問題而閱讀認知科學方面的論文。
書友推薦
- >
小考拉的故事-套裝共3冊
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
我從未如此眷戀人間
- >
回憶愛瑪儂
- >
月亮與六便士
- >
中國歷史的瞬間
- >
山海經
- >
苦雨齋序跋文-周作人自編集
本類暢銷
