書馨卡幫你省薪 2024個人購書報告 2024中圖網(wǎng)年度報告
歡迎光臨中圖網(wǎng) 請 | 注冊
> >
人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金

人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金

出版社：化學工業(yè)出版社出版時間：2023-04-01
開本： 32開 頁數(shù)： 205
中 圖 價:¥49.6(7.1折) 定價  ¥69.8 登錄后可看到會員價
加入購物車 收藏
運費6元，滿39元免運費
?新疆、西藏除外
本類五星書更多>

人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金 版權(quán)信息

人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金 本書特色

本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容定位于專業(yè)知識入門和普及層面，全面系統(tǒng)，通俗易懂，讓讀者真正了解和理解人工智能的相關(guān)技術(shù)方向，而不僅僅是編程技術(shù)。

人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金 內(nèi)容簡介

“人工智能超入門叢書”致力于面向人工智能各技術(shù)方向零基礎(chǔ)的讀者，內(nèi)容涉及數(shù)據(jù)思維、數(shù)據(jù)科學、視覺感知、情感分析、搜索算法、強化學習、知識圖譜、專家系統(tǒng)等方向，體系完整、內(nèi)容簡潔、文字通俗，綜合介紹人工智能相關(guān)知識，并輔以程序代碼解決問題，使得零基礎(chǔ)的讀者快速入門。 本書是“人工智能超入門叢書”的一個分冊，以機器學習為主線，介紹如何利用機器學習進行數(shù)據(jù)分析。全書內(nèi)容共分7章，主要包括機器學習基本概念、數(shù)據(jù)分析相關(guān)基礎(chǔ)知識、機器學習解決四類問題（回歸問題、分類問題、聚類問題、降維問題）的算法、神經(jīng)網(wǎng)絡(luò)相關(guān)知識，并在附錄中對Python編程基礎(chǔ)知識、數(shù)據(jù)相關(guān)數(shù)學知識以及Python實驗室Jupyter Lab的使用進行了介紹。 本書面向在人工智能方向零基礎(chǔ)的讀者，內(nèi)容全面系統(tǒng)，語言通俗易懂，配合典型程序操作練習，簡單易上手，能夠幫助讀者輕松認識和理解人工智能核心技術(shù)。本書可以作為大學生以及想要走向人工智能工作崗位的技術(shù)人員的入門讀物，也可作為青少年人工智能相關(guān)技術(shù)方向的課程教材，同時也可作為技術(shù)普及讀物供對人工智能技術(shù)感興趣的讀者閱讀。

人工智能超入門叢書--數(shù)據(jù)科學:機器學習如何數(shù)據(jù)掘金 目錄

第1章　機器“學習” 001
1.1　數(shù)據(jù)科學、人工智能與機器學習 002
1.1.1　數(shù)據(jù)科學與機器學習 002
1.1.2　人工智能≠機器學習≠深度學習 005
1.2　機器學習概述 011
1.2.1　機器學習是什么 011
1.2.2　機器學習學什么 018
1.3　數(shù)據(jù)素養(yǎng) 021
1.3.1　何為數(shù)據(jù)素養(yǎng) 021
1.3.2　數(shù)據(jù)素養(yǎng)的維度劃分 023

第2章　數(shù)據(jù)基礎(chǔ) 025
2.1　先利其器 026
2.2　科學計算 029
2.2.1　向量與矩陣生成 029
2.2.2　向量與矩陣運算 035
2.3　數(shù)據(jù)分析 040
2.3.1　Series與DataFrame 040
2.3.2　文件的導(dǎo)入與處理 044
2.4　數(shù)據(jù)可視 047
2.4.1　基本圖形 047
2.4.2　畫圖點睛 052

第3章　回歸問題 057
3.1　什么是回歸問題 058
3.1.1　回歸分析概述 058
3.1.2　*小二乘法 060
3.2　線性回歸 061
3.2.1　一元線性回歸 061
3.2.2　多元線性回歸 069
3.3　進階：可視化 075

第4章　分類問題 078
4.1　什么是分類問題 079
4.2　近朱者赤近墨者黑的k近鄰 079
4.2.1　k近鄰算法基本原理 079
4.2.2　k近鄰算法實踐 085
4.3　通過熵解決分類的決策樹 087
4.3.1　決策樹與信息熵 087
4.3.2　決策樹案例與實踐 090
4.4　進階：距離 098

第5章　聚類問題 100
5.1　什么是聚類 101
5.2　K均值聚類 103
5.2.1　K均值聚類原理 103
5.2.2　K均值聚類實踐 109
5.3　系統(tǒng)聚類 113
5.3.1　系統(tǒng)聚類原理 113
5.3.2　系統(tǒng)聚類實踐 118
5.4　進階：再談距離 120

第6章　降維問題 122
6.1　什么是降維問題 123
6.2　主成分分析 124
6.2.1　主成分分析原理 124
6.2.2　主成分分析實踐 126
6.3　奇異值分解 131
6.3.1　奇異值分解原理 131
6.3.2　奇異值分解實踐 133
6.4　進階：特征值與特征向量 136

第7章　神經(jīng)網(wǎng)絡(luò) 141
7.1　從神經(jīng)元到感知機 142
7.1.1　從生物神經(jīng)元到人工神經(jīng)元 142
7.1.2　從單層感知機到多層感知機 146
7.2　神經(jīng)網(wǎng)絡(luò)的運行原理 150
7.2.1　結(jié)構(gòu)概述 150
7.2.2　前向傳播 151
7.2.3　反向傳播 155
7.3　神經(jīng)網(wǎng)絡(luò)的參數(shù)說明與實踐 156
7.3.1　參數(shù)與超參數(shù) 156
7.3.2　解決分類與回歸問題 158
7.4　進階：反向傳播推導(dǎo) 163

附錄A　Python基礎(chǔ) 166
A.1　運算符 167
A.1.1　基本算術(shù)運算符與數(shù)值型 167
A.1.2　關(guān)系運算符、邏輯運算符與布爾型 168
A.2　字符串與數(shù)據(jù)結(jié)構(gòu) 170
A.2.1　字符串 170
A.2.2　列表 171
A.2.3　元組 172
A.2.4　字典 173
A.3　控制結(jié)構(gòu) 174
A.3.1　if語句 174
A.3.2　while語句 175
A.3.3　for語句 176
A.3.4　多重循環(huán) 177
A.4　定義函數(shù) 178

附錄B　導(dǎo)數(shù)與代數(shù)基礎(chǔ) 179
B.1　導(dǎo)數(shù) 180
B.2　向量 183
B.3　矩陣 189

附錄C　騰訊扣叮Python實驗室：Jupyter Lab使用說明 196

展開全部
商品評論(0條)
暫無評論……
書友推薦
本類暢銷
編輯推薦
返回頂部
中圖網(wǎng)
在線客服