歡迎光臨中圖網(wǎng) 請(qǐng) | 注冊(cè)
> >
人工智能創(chuàng)新實(shí)踐教程

人工智能創(chuàng)新實(shí)踐教程

作者：劉立波 編
出版社：電子工業(yè)出版社出版時(shí)間：2024-05-01
開(kāi)本： 16開(kāi) 頁(yè)數(shù)： 260
本類榜單：教材銷量榜
中 圖 價(jià):¥49.6(7.1折) 定價(jià)  ¥69.8 登錄后可看到會(huì)員價(jià)
加入購(gòu)物車 收藏
運(yùn)費(fèi)6元，滿39元免運(yùn)費(fèi)
?新疆、西藏除外
本類五星書(shū)更多>

人工智能創(chuàng)新實(shí)踐教程 版權(quán)信息

  • ISBN：9787121479106
  • 條形碼：9787121479106 ; 978-7-121-47910-6
  • 裝幀：平塑
  • 冊(cè)數(shù)：暫無(wú)
  • 重量：暫無(wú)
  • 所屬分類：>

人工智能創(chuàng)新實(shí)踐教程 內(nèi)容簡(jiǎn)介

本書(shū)主要內(nèi)容分為三部分，逐步引導(dǎo)學(xué)生由淺入深、由簡(jiǎn)到難地學(xué)習(xí)。**部分是環(huán)境基礎(chǔ)教學(xué)，包括第1、2章，分別是實(shí)驗(yàn)環(huán)境搭建和Python編程語(yǔ)言基礎(chǔ)；第二部分是機(jī)器學(xué)習(xí)，包括第3～11章，詳細(xì)介紹了機(jī)器學(xué)習(xí)的核心算法原理及相關(guān)實(shí)戰(zhàn)案例，如利用隱形眼鏡數(shù)據(jù)集構(gòu)建隨機(jī)森林模型來(lái)預(yù)測(cè)適合客戶的隱形眼鏡類型、基于樸素貝葉斯分類算法實(shí)現(xiàn)年收入預(yù)測(cè)、采用支持向量機(jī)算法預(yù)測(cè)泰坦尼克號(hào)人員存活率；第三部分是深度學(xué)習(xí)，包括第12～16章，重點(diǎn)介紹深度學(xué)習(xí)基礎(chǔ)知識(shí)和不同經(jīng)典網(wǎng)絡(luò)原理及相關(guān)實(shí)戰(zhàn)案例，如利用卷積神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)手寫(xiě)數(shù)字識(shí)別、采用VGG16模型實(shí)現(xiàn)天氣識(shí)別，以人工智能的示范應(yīng)用來(lái)啟發(fā)學(xué)生進(jìn)一步進(jìn)行深化研究。
本書(shū)提供課程資源包，包括案例源代碼、課件PPT等。
本書(shū)面向具有人工智能技術(shù)需求的相關(guān)專業(yè)學(xué)生，按照初學(xué)者的學(xué)習(xí)思維與人工智能的特點(diǎn)及規(guī)律進(jìn)行設(shè)計(jì)，科學(xué)布局并合理規(guī)劃課程路線，緊密結(jié)合機(jī)器學(xué)習(xí)與深度學(xué)習(xí)發(fā)展歷程，并將陳述性理論知識(shí)穿插于技能訓(xùn)練中。
本書(shū)可作為高等院校計(jì)算機(jī)相關(guān)專業(yè)人工智能課程的教材或?qū)嵺`配套教材，也可作為非計(jì)算機(jī)相關(guān)專業(yè)人工智能創(chuàng)新實(shí)驗(yàn)課程和大專、培訓(xùn)類學(xué)校的參考書(shū)。

人工智能創(chuàng)新實(shí)踐教程 目錄

**部分 環(huán)境基礎(chǔ)教學(xué)
第1章 實(shí)驗(yàn)環(huán)境搭建 3
1.1 Anaconda的安裝 3
1.2 PyCharm的安裝與使用 7
1.3 包的安裝 10
1.3.1 pip的安裝與使用 10
1.3.2 NumPy的安裝 11
1.3.3 Matplotlib的安裝 11
1.3.4 Pandas的安裝 12
1.4 框架搭建 13
1.4.1 PyTorch-CPU的安裝 13
1.4.2 TensorFlow-CPU的安裝 15
1.5 本章小結(jié) 18
1.6 本章習(xí)題 18
第2章 Python編程語(yǔ)言基礎(chǔ) 19
2.1 基礎(chǔ)語(yǔ)法 19
2.1.1 輸入/輸出函數(shù) 20
2.1.2 標(biāo)識(shí)符和關(guān)鍵字 22
2.1.3 變量、數(shù)據(jù)類型及注釋 23
2.1.4 運(yùn)算符 25
2.2 基本程序設(shè)計(jì)方法 27
2.2.1 函數(shù) 28
2.2.2 分支結(jié)構(gòu) 31
2.2.3 循環(huán) 33
2.3 編程進(jìn)階 36
2.3.1 列表 37
2.3.2 字典 40
2.3.3 文件操作 43
2.4 本章小結(jié) 46
2.5 本章習(xí)題 47
第二部分 機(jī)器學(xué)習(xí)
第3章 機(jī)器學(xué)習(xí)基礎(chǔ) 51
3.1 基本概念 51
3.2 機(jī)器學(xué)習(xí)的三要素 52
3.2.1 模型 52
3.2.2 學(xué)習(xí)策略 53
3.2.3 優(yōu)化準(zhǔn)則 54
3.3 評(píng)估方法 55
3.3.1 數(shù)據(jù)集劃分方法 56
3.3.2 性能度量 56
3.4 本章小結(jié) 58
3.5 本章習(xí)題 59
第4章 K近鄰算法 60
4.1 算法概述 60
4.1.1 基本概念 60
4.1.2 距離計(jì)算函數(shù) 61
4.2 實(shí)驗(yàn)數(shù)據(jù) 61
4.2.1 準(zhǔn)備數(shù)據(jù) 62
4.2.2 分析數(shù)據(jù) 62
4.2.3 處理數(shù)據(jù) 63
4.3 算法實(shí)戰(zhàn) 64
4.3.1 KNN算法實(shí)現(xiàn) 64
4.3.2 預(yù)測(cè)測(cè)試集并計(jì)算準(zhǔn)確率 65
4.3.3 結(jié)果分析 65
4.4 本章小結(jié) 66
4.5 本章習(xí)題 66
第5章 決策樹(shù)算法 67
5.1 算法概述 68
5.1.1 基本概念 68
5.1.2 特征選擇 69
5.1.3 決策樹(shù)的生成 71
5.1.4 決策樹(shù)的剪枝 72
5.1.5 決策樹(shù)的存儲(chǔ) 72
5.1.6 決策樹(shù)的可視化 72
5.2 實(shí)驗(yàn)數(shù)據(jù) 72
5.2.1 數(shù)據(jù)集介紹 73
5.2.2 導(dǎo)入數(shù)據(jù)集 73
5.2.3 劃分訓(xùn)練集和測(cè)試集 74
5.3 算法實(shí)戰(zhàn) 75
5.3.1 計(jì)算香農(nóng)熵 75
5.3.2 數(shù)據(jù)集*佳劃分函數(shù) 76
5.3.3 按照給定列劃分?jǐn)?shù)據(jù)集 76
5.3.4 遞歸構(gòu)建決策樹(shù) 77
5.3.5 利用訓(xùn)練集生成決策樹(shù) 78
5.3.6 保存決策樹(shù) 78
5.3.7 預(yù)測(cè)測(cè)試集并計(jì)算準(zhǔn)確率 78
5.3.8 繪制決策樹(shù) 79
5.4 本章小結(jié) 81
5.5 本章習(xí)題 81
第6章 樸素貝葉斯算法 82
6.1 算法概述 83
6.1.1 基本概念 83
6.1.2 貝葉斯算法的原理 84
6.1.3 樸素貝葉斯算法的類型 85
6.2 實(shí)驗(yàn)數(shù)據(jù) 85
6.2.1 準(zhǔn)備數(shù)據(jù) 85
6.2.2 分析數(shù)據(jù) 87
6.2.3 處理數(shù)據(jù) 89
6.3 算法實(shí)戰(zhàn) 92
6.3.1 算法構(gòu)建 92
6.3.2 訓(xùn)練測(cè)試數(shù)據(jù) 93
6.3.3 結(jié)果分析 93
6.4 本章小結(jié) 93
6.5 本章習(xí)題 94
第7章 Logistic回歸 95
7.1 Logistic回歸概述 95
7.1.1 基本概念 95
7.1.2 Logistic回歸算法 96
7.1.3 梯度下降法 99
7.2 Logistic回歸實(shí)戰(zhàn) 101
7.2.1 準(zhǔn)備數(shù)據(jù) 102
7.2.2 分析數(shù)據(jù) 102
7.2.3 處理數(shù)據(jù) 103
7.3 算法實(shí)戰(zhàn) 104
7.3.1 算法構(gòu)建 104
7.3.2 定義分類函數(shù) 106
7.3.3 預(yù)測(cè)測(cè)試集并計(jì)算準(zhǔn)確率 106
7.3.4 結(jié)果分析 107
7.4 本章小結(jié) 108
7.5 本章習(xí)題 108
第8章 支持向量機(jī) 109
8.1 支持向量機(jī)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 實(shí)驗(yàn)數(shù)據(jù) 119
8.2.1 準(zhǔn)備數(shù)據(jù) 119
8.2.2 分析數(shù)據(jù) 120
8.2.3 處理數(shù)據(jù) 122
8.3 算法實(shí)戰(zhàn) 124
8.3.1 算法構(gòu)建 124
8.3.2 訓(xùn)練測(cè)試數(shù)據(jù) 127
8.3.3 結(jié)果分析 128
8.4 本章小結(jié) 129
8.5 本章習(xí)題 129
第9章 隨機(jī)森林算法 130
9.1 算法概述 131
9.1.1 集成學(xué)習(xí)概述 131
9.1.2 隨機(jī)森林算法概述 132
9.2 實(shí)驗(yàn)數(shù)據(jù) 134
9.2.1 準(zhǔn)備數(shù)據(jù) 135
9.2.2 分析數(shù)據(jù) 135
9.2.3 處理數(shù)據(jù) 137
9.3 算法實(shí)戰(zhàn) 138
9.3.1 創(chuàng)建隨機(jī)森林分類器 138
9.3.2 創(chuàng)建修改參數(shù)的隨機(jī)森林 139
9.3.3 使用隨機(jī)森林模型找重要特征 140
9.3.4 可視化特征分?jǐn)?shù) 140
9.3.5 在選定的特征上建立隨機(jī)森林模型 141
9.4 本章小結(jié) 142
9.5 本章習(xí)題 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 實(shí)驗(yàn)數(shù)據(jù) 146
10.2.1 準(zhǔn)備數(shù)據(jù) 146
10.2.2 處理數(shù)據(jù) 147
10.3 算法實(shí)戰(zhàn) 147
10.3.1 算法構(gòu)建 147
10.3.2 訓(xùn)練測(cè)試數(shù)據(jù) 152
10.3.3 結(jié)果分析 152
10.4 本章小結(jié) 153
10.5 本章習(xí)題 153
第11章 Apriori算法 154
11.1 算法概述 154
11.1.1 關(guān)聯(lián)分析 154
11.1.2 Apriori算法的思想 155
11.2 實(shí)驗(yàn)數(shù)據(jù) 158
11.2.1 準(zhǔn)備數(shù)據(jù) 158
11.2.2 分析數(shù)據(jù) 158
11.2.3 處理數(shù)據(jù) 159
11.3 算法實(shí)戰(zhàn) 160
11.3.1 算法構(gòu)建 160
11.3.2 訓(xùn)練測(cè)試數(shù)據(jù) 163
11.3.3 結(jié)果分析 163
11.4 本章小結(jié) 163
11.5 本章習(xí)題 164
第三部分 深度學(xué)習(xí)
第12章 深度學(xué)習(xí)基礎(chǔ) 167
12.1 基礎(chǔ)知識(shí) 167
12.1.1 框架介紹 167
12.1.2 PyTorch基礎(chǔ)語(yǔ)法 170
12.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ) 172
12.2.1 神經(jīng)元 172
12.2.2 激活函數(shù)概述 174
12.2.3 常見(jiàn)的激活函數(shù) 176
12.3 前饋神經(jīng)網(wǎng)絡(luò)和反饋神經(jīng)網(wǎng)絡(luò) 179
12.3.1 前饋神經(jīng)網(wǎng)絡(luò) 179
12.3.2 反饋神經(jīng)網(wǎng)絡(luò) 180
12.4 損失函數(shù) 186
12.4.1 L1和L2損失函數(shù) 187
12.4.2 交叉熵?fù)p失函數(shù) 187
12.4.3 其他常見(jiàn)損失函數(shù) 189
12.5 優(yōu)化方法 189
12.5.1 基本概念 189
12.5.2 梯度下降法 190
12.6 本章小結(jié) 191
12.7 本章習(xí)題 191
第13章 感知機(jī)算法 192
13.1 算法概述 192
13.1.1 感知機(jī)簡(jiǎn)介 192
13.1.2 算法實(shí)現(xiàn)原理 193
13.2 實(shí)驗(yàn)數(shù)據(jù) 196
13.3 算法實(shí)戰(zhàn) 196
13.3.1 and運(yùn)算 196
13.3.2 鳶尾花分類 198
13.4 本章小結(jié) 200
13.5 本章習(xí)題 200
第14章 卷積神經(jīng)網(wǎng)絡(luò) 201
14.1 模型概述 202
14.1.1 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及原理 202
14.1.2 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn) 203
14.1.3 卷積層 204
14.1.4 池化層 205
14.1.5 全連接層 206
14.2 實(shí)驗(yàn)數(shù)據(jù) 207
14.2.1 準(zhǔn)備數(shù)據(jù) 207
14.2.2 處理數(shù)據(jù) 209
14.3 模型構(gòu)建 209
14.3.1 相關(guān)函數(shù)介紹 209
14.3.2 卷積神經(jīng)網(wǎng)絡(luò)的構(gòu)建 210
14.3.3 模型訓(xùn)練 211
14.4 本章小結(jié) 214
14.5 本章習(xí)題 214
第15章 VGG16網(wǎng)絡(luò) 215
15.1 模型概述 216
15.1.1 VGG網(wǎng)絡(luò)的結(jié)構(gòu)及原理 216
15.1.2 VGG網(wǎng)絡(luò)的特點(diǎn) 217
15.2 實(shí)驗(yàn)數(shù)據(jù) 218
15.2.1 準(zhǔn)備數(shù)據(jù) 218
15.2.2 處理數(shù)據(jù) 219
15.3 模型構(gòu)建 220
15.3.1 構(gòu)建VGG16網(wǎng)絡(luò) 220
15.3.2 測(cè)試模型 226
15.3.3 結(jié)果分析 227
15.4 本章小結(jié) 227
15.5 本章習(xí)題 228
第16章 循環(huán)神經(jīng)網(wǎng)絡(luò) 229
16.1 算法概述 229
16.1.1 語(yǔ)言模型 229
16.1.2 循環(huán)神經(jīng)網(wǎng)絡(luò)的原理 230
16.1.3 雙向循環(huán)神經(jīng)網(wǎng)絡(luò) 231
16.1.4 循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法 232
16.1.5 長(zhǎng)短時(shí)記憶網(wǎng)絡(luò) 234
16.2 數(shù)據(jù)處理 239
16.2.1 準(zhǔn)備數(shù)據(jù) 239
16.2.2 分析數(shù)據(jù) 240
16.2.3 處理數(shù)據(jù) 241
16.3 算法實(shí)戰(zhàn) 242
16.3.1 模型構(gòu)建 242
16.3.2 驗(yàn)證數(shù)據(jù) 243
16.3.3 股票價(jià)格預(yù)測(cè) 244
16.4 本章小結(jié) 245
16.5 本章習(xí)題 245
參考文獻(xiàn) 246
展開(kāi)全部

人工智能創(chuàng)新實(shí)踐教程 作者簡(jiǎn)介

劉立波，女，工學(xué)博士，教授。教育經(jīng)歷：2007.09- 2010.07, 中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)信息研究所, 作物信息科學(xué), 博士；1999.09-2002.07, 西北大學(xué), 基礎(chǔ)數(shù)學(xué), 碩士；1992.09-1996.07, 北京交通大學(xué), 計(jì)算機(jī)及其應(yīng)用, 學(xué)士；博士后工作經(jīng)歷：2010.11 ?C 2012.08, 北京市農(nóng)林科學(xué)院/北京理工大學(xué)。 工作經(jīng)歷：2012.09 至今, 寧夏大學(xué), 信息工程學(xué)院, 教授 ；2007.09-2011.09, 寧夏大學(xué), 數(shù)學(xué)計(jì)算機(jī)學(xué)院, 副教授；2001.09-2007.09, 寧夏大學(xué), 數(shù)學(xué)計(jì)算機(jī)學(xué)院, 講師 ；1998.07-2001.09, 寧夏大學(xué), 數(shù)學(xué)計(jì)算機(jī)學(xué)院, 助教；1996.07-1998.07, 中國(guó)民航寧夏管理局, 運(yùn)輸服務(wù)部, 助理工程師。參加的學(xué)術(shù)組織：中國(guó)人工智能學(xué)會(huì)會(huì)員；中國(guó)計(jì)算機(jī)學(xué)會(huì)會(huì)員；中國(guó)計(jì)算機(jī)學(xué)會(huì)數(shù)字農(nóng)業(yè)分會(huì)分會(huì)執(zhí)行委員；中國(guó)仿真學(xué)會(huì)農(nóng)業(yè)建模與仿真委員會(huì)專委；中國(guó)農(nóng)學(xué)會(huì)計(jì)算機(jī)農(nóng)業(yè)應(yīng)用分會(huì)理事；寧夏科技廳項(xiàng)目評(píng)審專家；北京市自然基金委項(xiàng)目評(píng)審專家；江西省科技廳項(xiàng)目評(píng)審專家；寧夏工程技術(shù)編委；農(nóng)業(yè)工程學(xué)報(bào)、浙江農(nóng)業(yè)學(xué)報(bào)審稿專家。出版著作情況：《醫(yī)學(xué)圖像處理案例分析研究》，科學(xué)技術(shù)文獻(xiàn)出版社，2021年4月。所承擔(dān)過(guò)的重點(diǎn)科研或教研項(xiàng)目：科研項(xiàng)目：國(guó)家自然科學(xué)基金委員會(huì), 應(yīng)急管理項(xiàng)目, 61751215, 基于深度學(xué)習(xí)的圖像文本跨模態(tài)檢索研究, 2018.01.01-2018.12.31, 10萬(wàn)元, 結(jié)題, 主持；國(guó)家自然科學(xué)基金委員會(huì), 地區(qū)科學(xué)基金項(xiàng)目, 61862050, 生成對(duì)抗網(wǎng)絡(luò)在圖像文本跨模態(tài)檢索中的研究, 2019.01.01 - 2022.12.31, 40萬(wàn)元, 在研, 主持；國(guó)家自然科學(xué)基金委員會(huì), 面上項(xiàng)目, 62076142, 面向人臉視覺(jué)分析中不確定性的自監(jiān)督深度學(xué)習(xí)方法研究, 2021.01.01 - 2024.12.31, 59萬(wàn)元, 在研, 參與；國(guó)家自然科學(xué)基金委員會(huì), 地區(qū)科學(xué)基金項(xiàng)目, 61762073, 異質(zhì)復(fù)雜社會(huì)網(wǎng)絡(luò)下社區(qū)發(fā)現(xiàn)及演變的系列問(wèn)題研究, 2018.01.01 - 2021.12.31, 39萬(wàn)元, 在研, 參與；寧夏科技廳, 寧夏自然科學(xué)基金, NZ17010 , 基于深度學(xué)習(xí)的醫(yī)學(xué)超聲影像智能診斷方法研究, 2017. 07 - 2018.12, 5萬(wàn)元, 結(jié)題, 主持；寧夏科技廳, 寧夏自然科學(xué)基金, 2020AAC03031, 結(jié)合注意力機(jī)制的細(xì)粒度圖像分類方法研究, 2020. 07 - 2022.06, 10萬(wàn)元, 結(jié)題, 主持；寧夏科技廳, 寧夏重點(diǎn)研發(fā)計(jì)劃, 2021BEG03024, 視頻大數(shù)據(jù)下的高速公路異常事件智能分析系統(tǒng)研發(fā)與應(yīng)用, 2021.01 - 2023.12, 69萬(wàn)元, 在研, 主持；寧夏科技廳, 寧夏重點(diǎn)研發(fā)計(jì)劃, 2021BEG03055, 面向慢阻肺防控管理的健康醫(yī)療大數(shù)據(jù)平臺(tái)技術(shù)研究與應(yīng)用, 2021.07 - 2024.07, 59萬(wàn)元, 在研, 參與。教研項(xiàng)目：寧夏教育廳, 寧夏回族自治區(qū)研究生教育創(chuàng)新計(jì)劃項(xiàng)目, YKC201604, 數(shù)字圖像處理研究與應(yīng)用, 2016 .09 - 2019.09, 5萬(wàn)元, 結(jié)題, 主持；寧夏教育廳, 寧夏本科教改項(xiàng)目-《面向計(jì)算思維的多維混合式翻轉(zhuǎn)教學(xué)模式—以《數(shù)據(jù)庫(kù)原理》課程為例》, 2019年。獲獎(jiǎng)情況：獲得寧夏大學(xué)教學(xué)成果三等獎(jiǎng)，2012年；《數(shù)字圖像處理》，寧夏回族自治區(qū)研究生教育創(chuàng)新計(jì)劃項(xiàng)目精品課程；1、獲得寧夏大學(xué)教學(xué)成果三等獎(jiǎng)，2012年；清華攜手Google助力西部教育精品課程項(xiàng)目-《數(shù)據(jù)庫(kù)系統(tǒng)概論》，2019年；寧夏研究生教育創(chuàng)新計(jì)劃項(xiàng)目精品課程-《數(shù)字圖像處理研究與應(yīng)用》，2016年；寧夏本科教改項(xiàng)目-《面向計(jì)算思維的多維混合式翻轉(zhuǎn)教學(xué)模式—以《數(shù)據(jù)庫(kù)原理》課程為例》，2019年；榮獲寧夏大學(xué)"立德樹(shù)人楷模”，2022年。

暫無(wú)評(píng)論……
書(shū)友推薦
本類暢銷
返回頂部
中圖網(wǎng)
在線客服