123,123,123

內(nèi)容簡(jiǎn)介

　　機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)與人工智能的重要分支領(lǐng)域，本書作為該領(lǐng)域的入門教材，在內(nèi)容上盡可能涵蓋機(jī)器學(xué)習(xí)基礎(chǔ)知識(shí)的各方面。本書主要內(nèi)容包括機(jī)器學(xué)習(xí)緒論、Python基礎(chǔ)知識(shí)、模型評(píng)估及模型、機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)、MNIST識(shí)別及圖像分類。本書致力于“利用經(jīng)驗(yàn)來改善系統(tǒng)自身的性能”。在計(jì)算機(jī)系統(tǒng)中，“經(jīng)驗(yàn)”通常是以數(shù)據(jù)的形式存在的，利用經(jīng)驗(yàn)就不可避免地要對(duì)數(shù)據(jù)進(jìn)行分析。本書結(jié)構(gòu)清晰、內(nèi)容豐富，知識(shí)完整，理論部分通俗易懂，實(shí)踐部分真實(shí)可操作，書中介紹了大量行業(yè)前沿案例，并配有程序說明。本書可作為機(jī)器人、計(jì)算機(jī)、電子信息、自動(dòng)化、機(jī)電一體化等專業(yè)的機(jī)器視覺技術(shù)課程教材，也可供高等院校相關(guān)比賽者、機(jī)器人與制造技術(shù)領(lǐng)域的科研工作者和工程技術(shù)人員參考。

作者簡(jiǎn)介

暫缺《機(jī)器學(xué)習(xí)》作者簡(jiǎn)介

圖書目錄

第1章緒論
1.1 AI的歷史起源
1.2 什么是智能與AI
1.3 人工智能的分類
1.4 人工智能和大數(shù)據(jù)
第2章 Python基礎(chǔ)知識(shí)
2.1 Python虛擬環(huán)境與庫安裝方法
2.2 Python流程控制語法
2.3 列表、元組、字典與集合
2.4 Python函數(shù)
2.5 面向?qū)ο缶幊?br />第3章模型評(píng)估及模型
3.1 向量矩陣和數(shù)組
3.2 索引、切片和迭代
3.3 Pandas數(shù)據(jù)整理
3.4 Pandas的Series數(shù)據(jù)結(jié)構(gòu)
3.5 Pandas的DataFrame數(shù)據(jù)結(jié)構(gòu)
3.6 數(shù)據(jù)加載、存儲(chǔ)與文件格式
3.7 數(shù)據(jù)清洗和準(zhǔn)備
3.8 圖像數(shù)據(jù)讀取與處理
3.9 數(shù)據(jù)可視化基礎(chǔ)
3.10 數(shù)據(jù)可視化折線圖、柱狀圖、散點(diǎn)圖
第4章機(jī)器學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)
4.1 模式識(shí)別、機(jī)器學(xué)習(xí)的區(qū)別與聯(lián)系
4.2 什么是機(jī)器學(xué)習(xí)
4.3 機(jī)器學(xué)習(xí)的專業(yè)術(shù)語、開發(fā)流程與工具
4.4 機(jī)器學(xué)習(xí)基礎(chǔ)補(bǔ)充
4.5 多項(xiàng)式曲線擬合
4.6 k-近鄰算法
4.7 K-Means(K-均值)、聚類算法
4.8 利用PCA來簡(jiǎn)化數(shù)據(jù)
4.9 神經(jīng)網(wǎng)絡(luò)
4.10 Torch運(yùn)算
4.11 Pytorch搭建神經(jīng)網(wǎng)絡(luò)
4.12 保存和加載模型
第5章 MNIST識(shí)別及圖像分類
5.1 MNIST手寫數(shù)字識(shí)別
5.2 MNIST圖像分類
參考文獻(xiàn)