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
深入淺出人工智能 版權信息
- ISBN：9787302674771
- 條形碼：9787302674771 ; 978-7-302-67477-1
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
深入淺出人工智能 本書特色
《深入淺出人工智能》的特色如下：1. 生活化案例，易懂易學本書的亮點在于它將抽象的AI概念與日常生活緊密結合，通過生動的案例讓復雜的原理變得親切易懂。無論您是編程新手還是專業開發者，都能在這些貼近生活的場景中找到學習的樂趣和動力。2. Python實戰，操作性強Python作為當前 流行的編程語言之一，以其簡潔明了的語法和強大的庫支持，成為AI領域的寵兒。本書采用Python語言，通過實際代碼示例，讓讀者能夠快速上手，將理論知識轉化為實踐技能。3. 全面覆蓋，技術前沿書中內容全面覆蓋了AI的核心技術，包括計算機視覺、機器學習、自然語言處理、知識圖譜和感知技術等，還探討了它們在圖像識別、語音識別、無人駕駛、聊天機器人和智能家居等領域的應用。4. 源代碼獲取，學習無憂為了幫助讀者 好地理解和實踐書中的內容，所有實例的源代碼可以通過掃描二維碼輕松獲取，確保讀者能夠迅速投入實際操作，無需擔心代碼實現的問題。
深入淺出人工智能 內容簡介
本書以通俗易懂的語言,全面介紹了人工智能的原理、技術、應用場景及典型案例.書中從計算機視覺、機器學習、自然語言處理和知識圖譜等人工智能的關鍵技術切入,深入探討了圖像識別、語音識別、無人駕駛、聊天機器人、智能家居等人工智能的應用領域.通過使用簡單易學且功能強大的Pythor語言,書中實現了人工智能實用場景的構建和驗證.
對于對人工智能感興趣但缺乏相關背景知識的初學者來說,本書是一本理想的入門讀物:而對于已經具備一定人工智能基礎知識的讀者,本書也能幫助他們深化對人工智能原理和算法的理解.無論您是人工智能的新手還是已有一定基礎的讀者,本書都能為您提供有價值的信息和知識.
深入淺出人工智能 目錄
第1章 人工智能概論
1.1 人工智能的定義和分類
1.2 人工智能的特征
1.3 人工智能的主要流派
1.3.1 符號主義學派
1.3.2 聯結主義學派
1.3.3 行為主義學派
1.4 人工智能編程語言—— Python
1.5 人工智能的關鍵技術
1.5.1 計算機視覺
1.5.2 知識圖譜
1.5.3 自然語言處理
1.5.4 機器學習
1.5.5 感知技術
1.6 人工智能的應用場景
1.6.1 圖像識別
1.6.2 語音識別
1.6.3 無人駕駛
1.6.4 聊天機器人—— ChatGPT
1.6.5 智能家居
習題
第2章 人工智能編程語言之Python
2.1 搭建人工智能Python環境
2.1.1 搭建Python環境
2.1.2 搭建PyCharm環境
2.1.3 安裝擴展模塊庫
2.2 Python程序簡介
2.2.1 Python常量
2.2.2 Python變量
2.2.3 Python注釋
2.2.4 Python數據類型
2.2.5 Python程序結構
2.2.6 Python 函數
2.3 NumPy基礎應用
2.3.1 方程求解
2.3.2 數組運算
習題
第3章 計算機視覺
3.1 計算機視覺的定義
3.2 計算機視覺理解圖像的原理
3.3 計算機視覺的任務
3.3.1 圖像檢測
3.3.2 圖像分割
3.3.3 圖像分類
3.4 計算機視覺的應用場景
3.4.1 人臉識別
3.4.2 視頻監控
3.4.3 圖像識別
3.4.4 無人駕駛
3.5 物體檢測算法——滑動窗口物體檢測法
習題
第4章 知識圖譜
4.1 知識圖譜的定義
4.2 知識圖譜的構建過程
4.2.1 知識抽取
4.2.2 知識融合
4.2.3 知識加工
4.3 案例——構建人工智能知識圖譜
習題
第5章 自然語言處理
5.1 自然語言處理的定義
5.1.1 自然語言理解
5.1.2 自然語言生成
5.2 自然語言的發展歷程
5.2.1 早期自然語言處理階段
5.2.2 統計自然語言處理階段
5.2.3 神經網絡自然語言處理階段
5.3 自然語言處理技術
5.3.1 語法分析
5.3.2 句法分析
5.3.3 語義分析
5.3.4 語用分析
5.3.5 篇章分析
5.4 自然語言處理的判別標準
5.5 自然語言處理的應用場景
5.5.1 機器翻譯
5.5.2 信息檢索
5.5.3 情感分析
5.5.4 自動問答
習題
第6章 機器學習與線性回歸
6.1 機器學習的定義
6.2 機器學習的發展歷程
6.3 機器學習算法分類
6.3.1 監督學習
6.3.2 半監督學習
6.3.3 無監督學習
6.3.4 強化學習
6.4 機器學習的過程
6.5 認識機器學習算法——線性回歸
6.5.1 線性回歸的數學表達式
6.5.2 線性回歸求解過程
6.6 案例——預測房屋價格
習題
第7章 機器學習與分類器
7.1 分類器的工作原理
7.2 常用的分類器
7.2.1 k近鄰分類器
7.2.2 決策樹分類器
7.2.3 支持向量機
7.2.4 人工神經網絡
7.2.5 Adaboost算法
7.3 案例——使用SVM算法進行乳腺腫瘤識別
7.3.1 乳腺腫瘤細胞樣本數據集簡介
7.3.2 SVM算法診斷乳腺腫瘤詳細過程
習題
第8章 機器學習——物以類聚，人以群分
8.1 聚類方法
8.2 k均值算法
8.3 數據降維算法
8.4 案例1——采用數據降維算法評價學生成績
8.5 案例2——采用k均值算法分類鳶尾花
習題
第9章 機器學習——強化學習
9.1 強化學習概述
9.1.1 強化學習的定義
9.1.2 強化學習的基本組成部分
9.1.3 強化學習的特點
9.1.4 強化學習的分類
9.1.5 強化學習的應用場景
9.2 Q-learning算法
9.2.1 Q-table
9.2.2 Q-learning算法的執行過程
9.3 案例——采用Q-learning算法解決迷宮問題
習題
0章 感知技術
10.1 傳感器技術
10.1.1 認識傳感器
10.1.2 傳感器與人工智能
10.1.3 傳感器的分類
10.1.4 常用的傳感器
10.1.5 傳感器的五大性能指標
10.2 射頻識別技術
10.2.1 射頻識別的定義
10.2.2 射頻識別的工作原理
10.3 衛星定位技術
習題
1章 圖像識別——機器也懂你
11.1 圖像識別的原理和定義
11.1.1 圖像識別的原理
11.1.2 圖像識別的定義
11.2 圖像識別瓶頸
11.3 圖像識別過程
11.3.1 圖像數據采集階段
11.3.2 圖像預處理階段
11.3.3 特征提取及選擇階段
11.3.4 分類器設計階段
11.3.5 分類決策階段
11.3.6 案例1——迎春花與連翹花識別
11.4 人臉識別
11.4.1 人臉識別過程
11.4.2 人臉識別函數opencv
11.4.3 案例2——檢測某一幅圖像中的人臉區域
11.4.4 案例3——識別出某一幅圖像中的人臉身份信息
習題
2章 語音識別——機器也聽話
12.1 聲波的定義
12.2 聽覺原理
展開全部
深入淺出人工智能 作者簡介
陳書明，計算機應用技術碩士，龍巖學院教師，主要研究計算機視覺、人工智能方向，主持省級項目1項，公開發表學術論文6篇。
書友推薦
- >
朝聞道
- >
回憶愛瑪儂
- >
莉莉和章魚
- >
月亮與六便士
- >
李白與唐代文化
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
龍榆生：詞曲概論/大家小書
- >
小考拉的故事-套裝共3冊
本類暢銷
