中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
機器學習算法與案例實戰 版權信息
- ISBN：9787030771476
- 條形碼：9787030771476 ; 978-7-03-077147-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
機器學習算法與案例實戰 內容簡介
本書分為基礎篇和實踐篇，以人工智能與機器學習、機器學習的數學基礎、傳統機器學習算法和深度學習算法為理論基礎，以文字識別、泰坦尼克號沉船幸存者預測、文本分類、視覺抄表系統和家電語音交互測試系統五個實際案例為實踐對象，采用理論與實踐相結合的方法介紹機器學習算法。其中，實踐篇的案例實戰部分以總體設計、運行環境、模塊實現和測試結果方式進行內容組織。
本書語言簡潔，深入淺出，通俗易懂，可作為高等院校人工智能、智能科學與技術、數據科學與大數據技術等專業本科生的學習教材，也可作為人工智能愛好者的參考用書，還可作為從事智能應用創新開發專業人員的技術參考書。
機器學習算法與案例實戰 目錄
基礎篇
第1章 人工智能與機器學習
1.1 人工智能發展歷史
1.2 機器學習概述
1.3 深度學習概述
1.4 人工智能發展前景
第2章 機器學習的數學基礎
2.1 線性代數
2.1.1 向量與操作
2.1.2 逆矩陣
2.1.3 范數
2.1.4 特征分解
2.1.5 奇異值分解
2.1.6 Moore-Penrose偽逆
2.1.7 跡運算
2.2 概率
2.2.1 概率概念
2.2.2 概率特征
2.3 信息論
2.4 數值計算
第3章 傳統機器學習算法
3.1 機器學習的任務
3.2 性能度量
3.2.1 基本方法
3.2.2 擴展方法
3.3 線性回歸
3.4 邏輯回歸
3.5 人工神經網絡
3.6 決策樹
3.6.1 生成決策樹的算法
3.6.2 決策樹的剪枝算法
3.6.3 CART模型
3.6.4 CART剪枝
3.7 貝葉斯分類
3.7.1 貝葉斯決策論與極大似然估計
3.7.2 貝葉斯分類器
3.7.3 貝葉斯網
3.8 支持向量機
3.8.1 線性可分支持向量機
3.8.2 線性支持向量機
3.8.3 非線性支持向量機
3.8.4 支持向量機在實際應用中的優缺點
3.9 集成學習
3.9.1 Boosting算法
3.9.2 Bagging算法
3.9.3 隨機森林算法
3.10 構建機器學習算法
第4章 深度學習算法
4.1 深度學習的挑戰
4.2 機器學習的應用
4.2.1 大規模深度學習
4.2.2 計算機視覺
4.2.3 語音識別
4.2.4 自然語言處理
4.2.5 其他應用
4.3 深度前饋網絡
4.3.1 基本概念
4.3.2 發展歷史
4.3.3 異或函數學習實例
4.3.4 基于梯度的學習
4.3.5 隱藏單元
4.3.6 架構設計
4.4 實踐方法
4.4.1 性能度量
4.4.2 默認的基準模型
4.4.3 決定是否收集更多數據
4.4.4 選擇超參數
4.4.5 調試策略
實踐篇
第5章 文字識別案例
5.1 總體設計
5.2 運行環境
5.3 模塊實現
5.3.1 常量定義
5.3.2 圖片數據生成
5.3.3 標簽向量化（稀疏矩陣）
5.3.4 讀取數據
5.3.5 構建網絡
5.3.6 能力封裝
5.4 測試結果
第6章 泰坦尼克號沉船幸存者預測案例
6.1 總體設計
6.2 運行環境
6.3 模塊實現
6.3.1 數據準備
6.3.2 數據預處理
6.3.3 變量轉換
6.3.4 特征工程
6.3.5 模型訓練
6.4 測試結果
6.4.1 繪制學習曲線
6.4.2 訓練準確率
第7章 文本分類案例
7.1 總體設計
7.2 運行環境
7.3 模塊實現
7.3.1 數據準備
7.3.2 數據預處理
7.3.3 詞云分析
7.4 測試結果
7.4.1 采用神經網絡實現語料預測
7.4.2 采用貝葉斯和神經網絡實現語料預測
第8章 視覺抄表系統案例
8.1 總體設計
8.1.1 硬件設計
8.1.2 軟件設計
8.2 運行環境
8.3 模塊實現
8.3.1 圖像采集
8.3.2 數據集構建
8.3.3 模型訓練
8.3.4 結果判定
8.4 測試結果
第9章 家電語音交互測試系統案例
9.1 總體設計
9.1.1 硬件設計
9.1.2 軟件設計
9.2 運行環境
9.2.1 硬件環境
9.2.2 軟件環境
9.3 模塊實現
9.3.1 語音識別
9.3.2 圖像識別
9.4 測試結果
參考文獻
第1章 人工智能與機器學習
1.1 人工智能發展歷史
1.2 機器學習概述
1.3 深度學習概述
1.4 人工智能發展前景
第2章 機器學習的數學基礎
2.1 線性代數
2.1.1 向量與操作
2.1.2 逆矩陣
2.1.3 范數
2.1.4 特征分解
2.1.5 奇異值分解
2.1.6 Moore-Penrose偽逆
2.1.7 跡運算
2.2 概率
2.2.1 概率概念
2.2.2 概率特征
2.3 信息論
2.4 數值計算
第3章 傳統機器學習算法
3.1 機器學習的任務
3.2 性能度量
3.2.1 基本方法
3.2.2 擴展方法
3.3 線性回歸
3.4 邏輯回歸
3.5 人工神經網絡
3.6 決策樹
3.6.1 生成決策樹的算法
3.6.2 決策樹的剪枝算法
3.6.3 CART模型
3.6.4 CART剪枝
3.7 貝葉斯分類
3.7.1 貝葉斯決策論與極大似然估計
3.7.2 貝葉斯分類器
3.7.3 貝葉斯網
3.8 支持向量機
3.8.1 線性可分支持向量機
3.8.2 線性支持向量機
3.8.3 非線性支持向量機
3.8.4 支持向量機在實際應用中的優缺點
3.9 集成學習
3.9.1 Boosting算法
3.9.2 Bagging算法
3.9.3 隨機森林算法
3.10 構建機器學習算法
第4章 深度學習算法
4.1 深度學習的挑戰
4.2 機器學習的應用
4.2.1 大規模深度學習
4.2.2 計算機視覺
4.2.3 語音識別
4.2.4 自然語言處理
4.2.5 其他應用
4.3 深度前饋網絡
4.3.1 基本概念
4.3.2 發展歷史
4.3.3 異或函數學習實例
4.3.4 基于梯度的學習
4.3.5 隱藏單元
4.3.6 架構設計
4.4 實踐方法
4.4.1 性能度量
4.4.2 默認的基準模型
4.4.3 決定是否收集更多數據
4.4.4 選擇超參數
4.4.5 調試策略
實踐篇
第5章 文字識別案例
5.1 總體設計
5.2 運行環境
5.3 模塊實現
5.3.1 常量定義
5.3.2 圖片數據生成
5.3.3 標簽向量化（稀疏矩陣）
5.3.4 讀取數據
5.3.5 構建網絡
5.3.6 能力封裝
5.4 測試結果
第6章 泰坦尼克號沉船幸存者預測案例
6.1 總體設計
6.2 運行環境
6.3 模塊實現
6.3.1 數據準備
6.3.2 數據預處理
6.3.3 變量轉換
6.3.4 特征工程
6.3.5 模型訓練
6.4 測試結果
6.4.1 繪制學習曲線
6.4.2 訓練準確率
第7章 文本分類案例
7.1 總體設計
7.2 運行環境
7.3 模塊實現
7.3.1 數據準備
7.3.2 數據預處理
7.3.3 詞云分析
7.4 測試結果
7.4.1 采用神經網絡實現語料預測
7.4.2 采用貝葉斯和神經網絡實現語料預測
第8章 視覺抄表系統案例
8.1 總體設計
8.1.1 硬件設計
8.1.2 軟件設計
8.2 運行環境
8.3 模塊實現
8.3.1 圖像采集
8.3.2 數據集構建
8.3.3 模型訓練
8.3.4 結果判定
8.4 測試結果
第9章 家電語音交互測試系統案例
9.1 總體設計
9.1.1 硬件設計
9.1.2 軟件設計
9.2 運行環境
9.2.1 硬件環境
9.2.2 軟件環境
9.3 模塊實現
9.3.1 語音識別
9.3.2 圖像識別
9.4 測試結果
參考文獻
展開全部
機器學習算法與案例實戰 作者簡介
曲宗峰，教授級高級工程師，天津大學電子信息專業博士(在讀)。現任中國家用電器研究院副院長，國家智能家居質量檢驗檢測中心主任，全國家用電器標準化技術委員會清潔器具分技術委員會(SAC／TC46／SC2)主任委員，全國能源基礎與管理標準化技術委員會節能檢測分技術委員會(SAC／TC20／SC9)副主任委員，全國家用電器標準化技術委員會(SAC／TC46)委員，中國標準化協會電器電子分會會長等。曾獲得中國輕工業聯合會科技進步獎等省部級獎21項，其中一等獎9項；牽頭省部級課題10余項，在核心期刊發表論文20余篇。
書友推薦
- >
月亮與六便士
- >
推拿
- >
自卑與超越
- >
唐代進士錄
- >
史學評論
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
有舍有得是人生
- >
伊索寓言-世界文學名著典藏-全譯本
本類暢銷
