機(jī)器學(xué)習(xí)開(kāi)發(fā)方法、工具及應(yīng)用

定　價(jià)：￥49.80

作　者：	潘志松
出版社：	中國(guó)鐵道出版社
叢編項(xiàng)：
標(biāo)　簽：	暫缺

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787113278427	出版時(shí)間：	2021-05-01	包裝：
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	307	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《機(jī)器學(xué)習(xí)開(kāi)發(fā)方法、工具及應(yīng)用》介紹機(jī)器學(xué)習(xí)開(kāi)發(fā)方法、工具及應(yīng)用相關(guān)知識(shí)，全書(shū)由6章組成，第1章主要介紹機(jī)器學(xué)習(xí)的基本概念、分類(lèi)等；第2章主要介紹機(jī)器學(xué)習(xí)開(kāi)發(fā)架構(gòu)、開(kāi)發(fā)步驟；第3章~第5章主要介紹機(jī)器學(xué)習(xí)的開(kāi)發(fā)工具，包括Python、NumPy、Pandas、Scikit-leam、TensorFlow；第6章主要介紹機(jī)器學(xué)習(xí)相關(guān)的10個(gè)實(shí)驗(yàn)，包括線性回歸、決策樹(shù)、人工神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)等?！稒C(jī)器學(xué)習(xí)開(kāi)發(fā)方法、工具及應(yīng)用》適合作為高等院校人工智能專(zhuān)業(yè)、計(jì)算機(jī)專(zhuān)業(yè)、智能機(jī)器人專(zhuān)業(yè)、智能芯片專(zhuān)業(yè)及其他智能相關(guān)專(zhuān)業(yè)課程教材，也可作為人工智能應(yīng)用、開(kāi)發(fā)人員的參考用書(shū)。

作者簡(jiǎn)介

　　潘志松，男，1973年3月生，陸軍工程大學(xué)指揮控制工程學(xué)院，教授，博士生導(dǎo)師畢業(yè)于南京航空航天大學(xué)，2003年獲得計(jì)算機(jī)科學(xué)與技術(shù)博士學(xué)位，2011年在美國(guó)亞利桑那州立大Biodesign研究院工作一年。主要研究方向?yàn)槟Ｊ阶R(shí)別與機(jī)器學(xué)習(xí)、智能技術(shù)的網(wǎng)絡(luò)安全應(yīng)用。主持國(guó)家自然科學(xué)基金、江蘇省基金、科技部重點(diǎn)研發(fā)計(jì)劃、軍委科技委基礎(chǔ)加強(qiáng)和前沿創(chuàng)新項(xiàng)目、軍口863項(xiàng)目、“十二五”“十三五”軍隊(duì)預(yù)先研究項(xiàng)目、軍隊(duì)重點(diǎn)型號(hào)研制項(xiàng)目等數(shù)十項(xiàng)，在國(guó)內(nèi)外期刊和國(guó)際會(huì)議上發(fā)表論文五十余篇，也是多個(gè)國(guó)內(nèi)外期刊會(huì)議的審稿人，30余篇被SCI檢索?，F(xiàn)任江蘇省模式識(shí)別與人工智能專(zhuān)委會(huì)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(duì)科技進(jìn)步獎(jiǎng)一等獎(jiǎng)1項(xiàng)，二等獎(jiǎng)1項(xiàng)，三等獎(jiǎng)8項(xiàng)。

圖書(shū)目錄

第1章機(jī)器學(xué)習(xí)基礎(chǔ)介紹
1．1 機(jī)器學(xué)習(xí)簡(jiǎn)介
1．2 機(jī)器學(xué)習(xí)的作用
1．3 機(jī)器學(xué)習(xí)的分類(lèi)
1．4 機(jī)器學(xué)習(xí)的內(nèi)容
1．5 深度學(xué)習(xí)的內(nèi)容
1．6 機(jī)器學(xué)習(xí)的評(píng)價(jià)指標(biāo)
習(xí)題1
第2章機(jī)器學(xué)習(xí)開(kāi)發(fā)方法
2．1 機(jī)器學(xué)習(xí)開(kāi)發(fā)架構(gòu)
2．2 機(jī)器學(xué)習(xí)開(kāi)發(fā)步驟
習(xí)題2
第3章 Python基礎(chǔ)及機(jī)器學(xué)習(xí)軟件包
3．1 Python簡(jiǎn)介
3．2 基本數(shù)據(jù)類(lèi)型和運(yùn)算
3．3 容器
3．4 分支和循環(huán)
3．5 函數(shù)和類(lèi)
3．6 文件操作
3．7 錯(cuò)誤與異常
3．8 Python庫(kù)引用
3．9 NumPy簡(jiǎn)介
3．10 Pandas簡(jiǎn)介
3．11 Matplotlib簡(jiǎn)介
習(xí)題3
第4章機(jī)器學(xué)習(xí)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(shù)算法及應(yīng)用
4．3 支持向量機(jī)算法及應(yīng)用
4．4 樸素貝葉斯算法及應(yīng)用
4．5 聚類(lèi)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(xué)習(xí)算法及應(yīng)用
習(xí)題4
第5章深度學(xué)習(xí)工具TensorFlow基礎(chǔ)與進(jìn)階
5．1 TensorFlow概述
5．2 數(shù)據(jù)類(lèi)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(jī)制
5．7 數(shù)學(xué)運(yùn)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(qiáng)化學(xué)習(xí)應(yīng)用
習(xí)題5
第6章機(jī)器學(xué)習(xí)實(shí)驗(yàn)分析
6．1 線性回歸實(shí)驗(yàn)
6．2 決策樹(shù)實(shí)驗(yàn)
6．3 支持向量機(jī)實(shí)驗(yàn)
6．4 樸素貝葉斯分類(lèi)器實(shí)驗(yàn)
6．5 關(guān)聯(lián)學(xué)習(xí)實(shí)驗(yàn)
6．6 聚類(lèi)實(shí)驗(yàn)
6．7 人工神經(jīng)網(wǎng)絡(luò)實(shí)驗(yàn)
6．8 卷積神經(jīng)網(wǎng)絡(luò)（CNN）實(shí)驗(yàn)
6．9 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）實(shí)驗(yàn)
6．10 強(qiáng)化學(xué)習(xí)實(shí)驗(yàn)
習(xí)題6
附錄課后習(xí)題參考答案