注冊 | 登錄讀書好,好讀書,讀好書!
讀書網(wǎng)-DuShu.com
當前位置: 首頁出版圖書科學技術(shù)計算機/網(wǎng)絡(luò)人工智能機器學習開發(fā)方法、工具及應(yīng)用

機器學習開發(fā)方法、工具及應(yīng)用

機器學習開發(fā)方法、工具及應(yīng)用

定 價:¥49.80

作 者: 潘志松
出版社: 中國鐵道出版社
叢編項:
標 簽: 暫缺

ISBN: 9787113278427 出版時間: 2021-05-01 包裝:
開本: 16開 頁數(shù): 307 字數(shù):  

內(nèi)容簡介

  《機器學習開發(fā)方法、工具及應(yīng)用》介紹機器學習開發(fā)方法、工具及應(yīng)用相關(guān)知識,全書由6章組成,第1章主要介紹機器學習的基本概念、分類等;第2章主要介紹機器學習開發(fā)架構(gòu)、開發(fā)步驟;第3章~第5章主要介紹機器學習的開發(fā)工具,包括Python、NumPy、Pandas、Scikit-leam、TensorFlow;第6章主要介紹機器學習相關(guān)的10個實驗,包括線性回歸、決策樹、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等。《機器學習開發(fā)方法、工具及應(yīng)用》適合作為高等院校人工智能專業(yè)、計算機專業(yè)、智能機器人專業(yè)、智能芯片專業(yè)及其他智能相關(guān)專業(yè)課程教材,也可作為人工智能應(yīng)用、開發(fā)人員的參考用書。

作者簡介

  潘志松,男,1973年3月生,陸軍工程大學指揮控制工程學院,教授,博士生導師畢業(yè)于南京航空航天大學,2003年獲得計算機科學與技術(shù)博士學位,2011年在美國亞利桑那州立大Biodesign研究院工作一年。主要研究方向為模式識別與機器學習、智能技術(shù)的網(wǎng)絡(luò)安全應(yīng)用。主持國家自然科學基金、江蘇省基金、科技部重點研發(fā)計劃、軍委科技委基礎(chǔ)加強和前沿創(chuàng)新項目、軍口863項目、“十二五”“十三五”軍隊預(yù)先研究項目、軍隊重點型號研制項目等數(shù)十項,在國內(nèi)外期刊和國際會議上發(fā)表論文五十余篇,也是多個國內(nèi)外期刊會議的審稿人,30余篇被SCI檢索?,F(xiàn)任江蘇省模式識別與人工智能專委會的常務(wù)委員,2012年入選江蘇省“333”工程第三層次人才,2017年獲江蘇省六大人才高峰資助,榮立三等功1次,獲軍隊科技進步獎一等獎1項,二等獎1項,三等獎8項。

圖書目錄

第1章 機器學習基礎(chǔ)介紹
1.1 機器學習簡介
1.2 機器學習的作用
1.3 機器學習的分類
1.4 機器學習的內(nèi)容
1.5 深度學習的內(nèi)容
1.6 機器學習的評價指標
習題1
第2章 機器學習開發(fā)方法
2.1 機器學習開發(fā)架構(gòu)
2.2 機器學習開發(fā)步驟
習題2
第3章 Python基礎(chǔ)及機器學習軟件包
3.1 Python簡介
3.2 基本數(shù)據(jù)類型和運算
3.3 容 器
3.4 分支和循環(huán)
3.5 函數(shù)和類
3.6 文件操作
3.7 錯誤與異常
3.8 Python庫引用
3.9 NumPy簡介
3.10 Pandas簡介
3.11 Matplotlib簡介
習題3
第4章 機器學習工具Scikit-Iearn等相關(guān)工具包
4.1 線性回歸算法及應(yīng)用
4.2 決策樹算法及應(yīng)用
4.3 支持向量機算法及應(yīng)用
4.4 樸素貝葉斯算法及應(yīng)用
4.5 聚類算法及應(yīng)用
4.6 神經(jīng)網(wǎng)絡(luò)算法及應(yīng)用
4.7 Apriori關(guān)聯(lián)學習算法及應(yīng)用
習題4
第5章 深度學習工具TensorFlow基礎(chǔ)與進階
5.1 TensorFlow概述
5.2 數(shù)據(jù)類型
5.3 張量及操作
5.4 索引與切片
5.5 維度變換
5.6 廣播機制
5.7 數(shù)學運算
5.8 使用GPU
5.9 TensorBoard可視化
5.10 數(shù)據(jù)集加載
5.11 保存和載入模型
5.12 TensorFlow模型之線性回歸
5.13 TensorFlow模型之卷積神經(jīng)網(wǎng)絡(luò)
5.14 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用
5.15 循環(huán)神經(jīng)網(wǎng)絡(luò)應(yīng)用
5.16 強化學習應(yīng)用
習題5
第6章 機器學習實驗分析
6.1 線性回歸實驗
6.2 決策樹實驗
6.3 支持向量機實驗
6.4 樸素貝葉斯分類器實驗
6.5 關(guān)聯(lián)學習實驗
6.6 聚類實驗
6.7 人工神經(jīng)網(wǎng)絡(luò)實驗
6.8 卷積神經(jīng)網(wǎng)絡(luò)(CNN)實驗
6.9 循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)實驗
6.10 強化學習實驗
習題6
附錄 課后習題參考答案

本目錄推薦

掃描二維碼
Copyright ? 讀書網(wǎng) ranfinancial.com 2005-2020, All Rights Reserved.
鄂ICP備15019699號 鄂公網(wǎng)安備 42010302001612號