新書推薦：
《
东方帝国的营造 ： 秦汉王朝政治史
》
售價：HK$
112.7
《
漫谈数字化转型从底层逻辑到实践应用
》
售價：HK$
78.2
《
谢谢你来到我的生命：狗狗带给我们的治愈与改变
》
售價：HK$
51.8
《
情感觉醒：揭秘亲密关系背后的真相
》
售價：HK$
68.8
《
诸葛亮
》
售價：HK$
79.4
《
解密：梦的诞生
》
售價：HK$
193.2
《
课长，这不是恋爱，这就是性骚扰！
》
售價：HK$
45.9
《
人文与社会译丛：我们中的我（承认理论研究）
》
售價：HK$
79.4
|
| 內容簡介： |
|
本书主要内容分为三部分，逐步引导学生由浅入深、由简到难地学习。第一部分是环境基础教学，包括第1、2章，分别是实验环境搭建和Python编程语言基础；第二部分是机器学习，包括第3～11?章，详细介绍了机器学习的核心算法原理及相关实战案例，如利用隐形眼镜数据集构建随机森林模型来预测适合客户的隐形眼镜类型、基于朴素贝叶斯分类算法实现年收入预测、采用支持向量机算法预测泰坦尼克号人员存活率；第三部分是深度学习，包括第12～16章，重点介绍深度学习基础知识和不同经典网络原理及相关实战案例，如利用卷积神经网络模型实现手写数字识别、采用VGG16模型实现天气识别，以人工智能的示范应用来启发学生进一步进行深化研究。本书提供课程资源包，包括案例源代码、课件PPT等。本书面向具有人工智能技术需求的相关专业学生，按照初学者的学习思维与人工智能的特点及规律进行设计，科学布局并合理规划课程路线，紧密结合机器学习与深度学习发展历程，并将陈述性理论知识穿插于技能训练中。本书可作为高等院校计算机相关专业人工智能课程的教材或实践配套教材，也可作为非计算机相关专业人工智能创新实验课程和大专、培训类学校的参考书。
|
| 關於作者： |
|
刘立波，女，工学博士，教授。教育经历：2007.09- 2010.07， 中国农业科学院农业信息研究所， 作物信息科学， 博士；1999.09-2002.07， 西北大学， 基础数学， 硕士；1992.09-1996.07， 北京交通大学， 计算机及其应用， 学士；博士后工作经历：2010.11 ?C 2012.08， 北京市农林科学院/北京理工大学。 工作经历：2012.09 至今， 宁夏大学， 信息工程学院， 教授 ；2007.09-2011.09， 宁夏大学， 数学计算机学院， 副教授；2001.09-2007.09， 宁夏大学， 数学计算机学院， 讲师 ；1998.07-2001.09， 宁夏大学， 数学计算机学院， 助教；1996.07-1998.07， 中国民航宁夏管理局， 运输服务部， 助理工程师。参加的学术组织：中国人工智能学会会员；中国计算机学会会员；中国计算机学会数字农业分会分会执行委员；中国仿真学会农业建模与仿真委员会专委；中国农学会计算机农业应用分会理事；宁夏科技厅项目评审专家；北京市自然基金委项目评审专家；江西省科技厅项目评审专家；宁夏工程技术编委；农业工程学报、浙江农业学报审稿专家。出版著作情况：《医学图像处理案例分析研究》，科学技术文献出版社，2021年4月。所承担过的重点科研或教研项目：科研项目：国家自然科学基金委员会， 应急管理项目， 61751215， 基于深度学习的图像文本跨模态检索研究， 2018.01.01-2018.12.31， 10万元， 结题， 主持；国家自然科学基金委员会， 地区科学基金项目， 61862050， 生成对抗网络在图像文本跨模态检索中的研究， 2019.01.01 - 2022.12.31， 40万元， 在研， 主持；国家自然科学基金委员会， 面上项目， 62076142， 面向人脸视觉分析中不确定性的自监督深度学习方法研究， 2021.01.01 - 2024.12.31， 59万元， 在研， 参与；国家自然科学基金委员会， 地区科学基金项目， 61762073， 异质复杂社会网络下社区发现及演变的系列问题研究， 2018.01.01 - 2021.12.31， 39万元， 在研， 参与；宁夏科技厅， 宁夏自然科学基金， NZ17010 ， 基于深度学习的医学超声影像智能诊断方法研究， 2017. 07 - 2018.12， 5万元， 结题， 主持；宁夏科技厅， 宁夏自然科学基金， 2020AAC03031， 结合注意力机制的细粒度图像分类方法研究， 2020. 07 - 2022.06， 10万元， 结题， 主持；宁夏科技厅， 宁夏重点研发计划， 2021BEG03024， 视频大数据下的高速公路异常事件智能分析系统研发与应用， 2021.01 - 2023.12， 69万元， 在研， 主持；宁夏科技厅， 宁夏重点研发计划， 2021BEG03055， 面向慢阻肺防控管理的健康医疗大数据平台技术研究与应用， 2021.07 - 2024.07， 59万元， 在研， 参与。教研项目：宁夏教育厅， 宁夏回族自治区研究生教育创新计划项目， YKC201604， 数字图像处理研究与应用， 2016 .09 - 2019.09， 5万元， 结题， 主持；宁夏教育厅， 宁夏本科教改项目-《面向计算思维的多维混合式翻转教学模式—以《数据库原理》课程为例》， 2019年。获奖情况：获得宁夏大学教学成果三等奖，2012年；《数字图像处理》，宁夏回族自治区研究生教育创新计划项目精品课程；1、获得宁夏大学教学成果三等奖，2012年；清华携手Google助力西部教育精品课程项目-《数据库系统概论》，2019年；宁夏研究生教育创新计划项目精品课程-《数字图像处理研究与应用》，2016年；宁夏本科教改项目-《面向计算思维的多维混合式翻转教学模式—以《数据库原理》课程为例》，2019年；荣获宁夏大学\立德树人楷模”，2022年。
|
| 目錄：
|
第一部分 环境基础教学
第1章 实验环境搭建3
1.1 Anaconda的安装3
1.2 PyCharm的安装与使用7
1.3 包的安装10
1.3.1 pip的安装与使用10
1.3.2 NumPy的安装11
1.3.3 Matplotlib的安装11
1.3.4 Pandas的安装12
1.4 框架搭建13
1.4.1 PyTorch-CPU的安装13
1.4.2 TensorFlow-CPU的安装15
1.5 本章小结18
1.6 本章习题18
第2章 Python编程语言基础19
2.1 基础语法19
2.1.1 输入/输出函数20
2.1.2 标识符和关键字22
2.1.3 变量、数据类型及注释23
2.1.4 运算符25
2.2 基本程序设计方法27
2.2.1 函数28
2.2.2 分支结构31
2.2.3 循环33
2.3 编程进阶36
2.3.1 列表37
2.3.2 字典40
2.3.3 文件操作43
2.4 本章小结46
2.5 本章习题47
第二部分 机器学习
第3章 机器学习基础51
3.1 基本概念51
3.2 机器学习的三要素52
3.2.1 模型52
3.2.2 学习策略53
3.2.3 优化准则54
3.3 评估方法55
3.3.1 数据集划分方法56
3.3.2 性能度量56
3.4 本章小结58
3.5 本章习题59
第4章 K近邻算法60
4.1 算法概述60
4.1.1 基本概念60
4.1.2 距离计算函数61
4.2 实验数据61
4.2.1 准备数据62
4.2.2 分析数据62
4.2.3 处理数据63
4.3 算法实战64
4.3.1 KNN算法实现64
4.3.2 预测测试集并计算准确率65
4.3.3 结果分析65
4.4 本章小结66
4.5 本章习题66
第5章 决策树算法67
5.1 算法概述68
5.1.1 基本概念68
5.1.2 特征选择69
5.1.3 决策树的生成71
5.1.4 决策树的剪枝72
5.1.5 决策树的存储72
5.1.6 决策树的可视化72
5.2 实验数据72
5.2.1 数据集介绍73
5.2.2 导入数据集73
5.2.3 划分训练集和测试集74
5.3 算法实战75
5.3.1 计算香农熵75
5.3.2 数据集最佳划分函数76
5.3.3 按照给定列划分数据集76
5.3.4 递归构建决策树77
5.3.5 利用训练集生成决策树78
5.3.6 保存决策树78
5.3.7 预测测试集并计算准确率78
5.3.8 绘制决策树79
5.4 本章小结81
5.5 本章习题81
第6章 朴素贝叶斯算法82
6.1 算法概述83
6.1.1 基本概念83
6.1.2 贝叶斯算法的原理84
6.1.3 朴素贝叶斯算法的类型85
6.2 实验数据85
6.2.1 准备数据85
6.2.2 分析数据87
6.2.3 处理数据89
6.3 算法实战92
6.3.1 算法构建92
6.3.2 训练测试数据93
6.3.3 结果分析93
6.4 本章小结93
6.5 本章习题94
第7章 Logistic回归95
7.1 Logistic回归概述95
7.1.1 基本概念95
7.1.2 Logistic回归算法96
7.1.3 梯度下降法99
7.2 Logistic回归实战101
7.2.1 准备数据102
7.2.2 分析数据102
7.2.3 处理数据103
7.3 算法实战104
7.3.1 算法构建104
7.3.2 定义分类函数106
7.3.3 预测测试集并计算准确率106
7.3.4 结果分析107
7.4 本章小结108
7.5 本章习题108
第8章 支持向量机109
8.1 支持向量机算法思想109
8.1.1 算法原理109
8.1.2 算法流程111
8.1.3 SMO算法117
8.2 实验数据119
8.2.1 准备数据119
8.2.2 分析数据120
8.2.3 处理数据122
8.3 算法实战124
8.3.1 算法构建124
8.3.2 训练测试数据127
8.3.3 结果分析128
8.4 本章小结129
8.5 本章习题129
第9章 随机森林算法130
9.1 算法概述131
9.1.1 集成学习概述131
9.1.2 随机森林算法概述132
9.2 实验数据134
9.2.1 准备数据135
9.2.2 分析数据135
9.2.3 处理数据137
9.3 算法实战138
9.3.1 创建随机森林分类器138
9.3.2 创建修改参数的随机森林139
9.3.3 使用随机森林模型找重要特征140
9.3.4 可视化特征分数140
9.3.5 在选定的特征上建立随机森林模型141
9.4 本章小结142
9.5 本章习题142
第10章 AdaBoost算法143
10.1 算法概述143
10.1.1 Boosting算法概述143
10.1.2 AdaBoost算法概述145
10.2 实验数据146
10.2.1 准备数据146
10.2.2 处理数据147
10.3 算法实战147
10.3.1 算法构建147
10.3.2 训练测试数据152
10.3.3 结果分析152
10.4 本章小结153
10.5 本章习题153
第11章 Apriori算法154
11.1 算法概述154
11.1.1 关联分析154
11.1.2 Apriori算法的思想155
11.2 实验数据158
11.2.1 准备数据158
11.2.2 分析数据158
11.2.3 处理数据159
11.3 算法实战160
11.3.1 算法构建160
11.3.2 训练测试数据163
11.3.3 结果分析163
11.4 本章小结163
11.5 本章习题164
第三部分 深度学习
第12章 深度学习基础167
12.1 基础知识167
12.1.1 框架介绍167
12.1.2 PyTorch基础语法170
12.2 神经网络基础172
12.2.1 神经元172
12.2.2 激活函数概述174
12.2.3 常见的激活函数176
12.3 前馈神经网络和反馈神经网络179
12.3.1 前馈神经网络179
12.3.2 反馈神经网络180
12.4 损失函数186
12.4.1 L1和L2损失函数187
12.4.2 交叉熵损失函数187
12.4.3 其他常见损失函数189
12.5 优化方法189
12.5.1 基本概念189
12.5.2 梯度下降法190
12.6 本章小结191
12.7 本章习题191
第13章 感知机算法192
13.1 算法概述192
13.1.1 感知机简介192
13.1.2 算法实现原理193
13.2 实验数据196
13.3 算法实战196
13.3.1 and运算196
13.3.2 鸢尾花分类198
13.4 本章小结200
13.5 本章习题200
第14章 卷积神经网络201
14.1 模型概述202
14.1.1 卷积神经网络的结构及原理202
14.1.2 卷积神经网络的特点203
14.1.3 卷积层204
14.1.4 池化层205
14.1.5 全连接层206
14.2 实验数据207
14.2.1 准备数据207
14.2.2 处理数据209
14.3 模型构建209
14.3.1 相关函数介绍209
14.3.2 卷积神经网络的构建210
14.3.3 模型训练211
14.4 本章小结214
14.5 本章习题214
第15章 VGG16网络215
15.1 模型概述216
15.1.1 VGG网络的结构及原理216
15.1.2 VGG网络的特点217
15.2 实验数据218
15.2.1 准备数据218
15.2.2 处理数据219
15.3 模型构建220
15.3.1 构建VGG16网络220
15.3.2 测试模型226
15.3.3 结果分析227
15.4 本章小结227
15.5 本章习题228
第16章 循环神经网络229
16.1 算法概述229
16.1.1 语言模型229
16.1.2 循环神经网络的原理230
16.1.3 双向循环神经网络231
16.1.4 循环神经网络的训练算法232
16.1.5 长短时记忆网络234
16.2 数据处理239
16.2.1 准备数据239
16.2.2 分析数据240
16.2.3 处理数据241
16.3 算法实战242
16.3.1 模型构建242
16.3.2 验证数据243
16.3.3 股票价格预测244
16.4 本章小结245
16.5 本章习题245
参考文献246
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
