- 机器学习与深度学习(高等学校人工智能专业精品教材)/高级人工智能人才培养丛书
- - 作者：编者:陶玉婷|责编:米俊萍|总主编:刘鹏
  - 出版社：电子工业
  - ISBN：9787121442766
  - 出版日期：2022/10/01
  - 页数：287
- 售价：35.2

内容大纲
    本书是“高级人工智能人才培养丛书”中的一本，首先介绍了机器学习的相关概念和发展历史，随后在此基础上介绍了深度学习——它本质上是近几年来大数据技术催生的产物。本书共12章，其中，第1～7章为机器学习方面的内容，分别介绍了机器学习的简单模型、贝叶斯学习、决策树、支持向量机、集成学习和聚类；第8～12章为深度学习方面的内容，由感知机与神经网络开始，之后分别介绍了卷积神经网络、循环神经网络、生成对抗网络及强化学习。
    第2～12章均提供了相应的实验案例，不仅配有完整翔实的Python语言代码及相关注释，还给出了实验结果和实验分析，便于初学者上机操作并加强理解。本书注重易学性、系统性和实战性，力求为人工智能及相关专业的学生提供一本基础教材，同时为在其他学科应用人工智能技术的读者提供一本深入浅出的参考书。
    本书适合作为人工智能、计算机科学与技术、自动化控制等相关专业本科生和研究生的教材。此外，高职和专科学校也可以选用本书部分内容开展教学。
作者介绍
目录
第1章  引言
  1.1  人工智能概述
    1.1.1  人工智能产生的基础条件
    1.1.2  人工智能的发展史
    1.1.3  人工智能的几个重要分支
    1.1.4  人工智能与机器学习和深度学习的关系
  1.2  机器学习概述
    1.2.1  机器学习的定义
    1.2.2  机器学习的主要方法
    1.2.3  机器学习的应用及其相关课程介绍
  1.3  深度学习概述
    1.3.1  深度学习产生的背景
    1.3.2  深度学习的几种常用模型
    1.3.3  深度学习的应用场合
    1.3.4  深度学习开源工具
  习题
  参考文献
第2章  简单模型
  2.1  KNN算法
    2.1.1  算法原理
    2.1.2  算法步骤
    2.1.3  算法描述
    2.1.4  算法评价
    2.1.5  算法实例
  2.2  线性回归
    2.2.1  算法原理
    2.2.2  模型求解
    2.2.3  算法步骤
    2.2.4  算法描述
    2.2.5  算法评价
    2.2.6  算法实例
  2.3  逻辑回归
    2.3.1  算法原理
    2.3.2  模型求解
    2.3.3  算法步骤
    2.3.4  算法描述
    2.3.5  算法评价
  2.4  实验：逻辑回归算法
    2.4.1  实验目的
    2.4.2  实验要求
    2.4.3  实验原理
    2.4.4  实验步骤
    2.4.5  实验结果
    2.4.6  结果分析
  习题
  参考文献
第3章  贝叶斯学习
  3.1  贝叶斯方法简述
  3.2  贝叶斯基础理论
    3.2.1  概率基础

    3.2.2  贝叶斯方法
  3.3  朴素贝叶斯
    3.3.1  朴素贝叶斯法介绍
    3.3.2  朴素贝叶斯法实例
    3.3.3  朴素贝叶斯法优缺点
  3.4  贝叶斯网络
    3.4.1  贝叶斯网络介绍
    3.4.2  贝叶斯网络实现
    3.4.3  贝叶斯网络特性及应用
  3.5  实验
    3.5.1  实验目的
    3.5.2  实验要求
  ……
第4章  决策树
第5章  支持向量机
第6章  集成学习
第7章  聚类
第8章  感知机与神经网络
第9章  卷积神经网络
第10章  循环神经网络
第11章  生成对抗网络
第12章  强化学习
附录A  人工智能实验环境
附录B  人工智能云平台

内容大纲

作者介绍

目录

同类热销排行榜

推荐书目