幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

人工智慧實踐教程(高等院校電氣信息類專業互聯網+創新規劃教材)

  • 作者：編者:劉攀//黃務蘭//魏忠|責編:杜鵑//鄭雙
  • 出版社：北京大學
  • ISBN：9787301328774
  • 出版日期：2022/07/01
  • 裝幀：平裝
  • 頁數：327
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書內容全面，既涵蓋項目實踐所需的Python語言基礎和實踐環境搭建，又涉及項目相關的技術原理和方法等理論知識介紹，還包含多個案例項目的實踐內容。書中講解了Python語言，包括Python的安裝、數據類型、涉及的函數、文件讀/寫、第三方庫等知識；講解了人工智慧實戰基礎，包括數據預處理技術和方法，KNN演算法、回歸分析應用和其他機器學習技術等內容；還講解了人工智慧實戰進階，包括自然語言處理、語音識別、圖像識別和神經網路與深度學習等內容。
    本書適合作為高等院校人工智慧、智能科學與技術等專業的人工智慧課程實驗指導教材，也適合作為學習人工智慧基本技術讀者的參考書。
作者介紹
編者:劉攀//黃務蘭//魏忠|責編:杜鵑//鄭雙
目錄
第一篇  Python語言
  第1章  Python簡介
    1.1  Python介紹
    1.2  Python的環境配置
      1.2.1  Python的安裝
      1.2.2  IPython的安裝
      1.2.3  PyCharm的安裝
      1.2.4  Anaconda的安裝
    1.3  本章小結
    1.4  本章習題
  第2章  Python人工智慧之路——基礎
    2.1  書寫格式和基本規則
    2.2  數據類型
      2.2.1  基本數據類型
      2.2.2  特徵數據類型
    2.3  基本運算和表達式
      2.3.1  變數
      2.3.2  算術運算
    2.4  基本流程式控制制
      2.4.1  順序控制
      2.4.2  條件控制（選擇控制）
      2.4.3  循環控制
      2.4.4  循環控制語句
    2.5  函數
      2.5.1  Python函數
      2.5.2  參數
      2.5.3  匿名函數
    2.6  本章小結
    2.7  本章習題
  第3章  Python人工智慧之路——進階
    3.1  正則表達式
      3.1.1  基本語法和使用
      3.1.2  貪婪匹配和非貪婪匹配
    3.2  re模塊的內置函數
      3.2.1  匹配與搜索
      3.2.2  切分與分組
    3.3  圖形繪製
      3.3.1  Tkinter庫的Canvas圖形繪製方法
      3.3.2  Turtle庫的圖形繪製方法
      3.3.3  Matplotlib庫的圖形繪製方法
    3.4  文件讀/寫
      3.4.1  文本文件和二進位文件的區別
      3.4.2  文件的打開和關閉
      3.4.3  文件的讀取、寫入、追加
    3.5  案例應用
      3.5.1  猜數字
      3.5.2  CSV文件讀/寫
      3.5.3  Web伺服器的構建
    3.6  本章小結
    3.7  本章習題

  第4章  Python人工智慧之路——第三方庫
    4.1  第三方庫的安裝和使用
      4.1.1  第三方庫的安裝
      4.1.2  第三方庫的使用
    4.2  NumPy庫
      4.2.1  NumPy庫簡介
      4.2.2  NumPy庫的應用
    4.3  Pandas庫
      4.3.1  Pandas庫簡介
      4.3.2  Series庫簡介
      4.3.3  DataFrame庫簡介
      4.3.4  數據分析和可視化
    4.4  Sklearn庫
      4.4.1  Sklearn庫簡介
      4.4.2  Sklearn庫的應用
    4.5  Keras庫
      4.5.1  Keras庫簡介
      4.5.2  Keras庫的應用
    4.6  TensorFlow庫
      4.6.1  TensorFlow庫簡介
      4.6.2  TensorFlow庫的應用
    4.7  本章小結
    4.8  本章習題
第二篇  人工智慧實戰基礎
  第5章  數據預處理技術和方法
    5.1  數據預處理概述
    5.2  缺失值處理
    5.3  特徵編碼
    5.4  數據標準化和正則化
      5.4.1  數據標準化
      5.4.2  數據正則化
    5.5  特徵選擇
      5.5.1  過濾式特徵選擇
      5.5.2  包裹式特徵選擇
      5.5.3  嵌入式特徵選擇
    5.6  稀疏表示和字典學習
    5.7  主成分分析
    5.8  本章小結
    5.9  本章習題
  第6章  KNN演算法
    6.1  KNN演算法概述
      6.1.1  KNN演算法的基本原理
      6.1.2  KNN演算法的重要參數
      6.1.3  KNN演算法的特點
    6.2  基於KNN演算法的手寫字識別
      6.2.1  項目背景
      6.2.2  項目實戰
    6.3  基於KNN演算法的網站約會配對
      6.3.1  項目背景
      6.3.2  項目實戰

    6.4  基於KNN演算法的乳腺癌診斷
      6.4.1  項目背景
      6.4.2  項目實戰
    6.5  本章小結
    6.6  本章習題
  第7章  回歸分析應用
    7.1  回歸分析概述
      7.1.1  回歸分析的定義
      7.1.2  線性回歸
      7.1.3  邏輯回歸
      7.1.4  多項式回歸
      7.1.5  回歸模型的評價指標
    7.2  基於線性回歸預測鮑魚年齡
      7.2.1  項目背景
      7.2.2  項目實戰
    7.3  基於邏輯回歸的病馬死亡率預測
      7.3.1  項目背景
      7.3.2  項目實戰
    7.4  多項式回歸應用案例
      7.4.1  項目背景
      7.4.2  項目實戰
    7.5  本章小結
    7.6  本章習題
  第8章  其他機器學習技術
    8.1  Apriori演算法應用
      8.1.1  Apriori關聯分析概述
      8.1.2  Apriori演算法的原理和流程
      8.1.3  Apriori演算法實現
      8.1.4  Apriori演算法應用案例
    8.2  決策樹演算法應用
      8.2.1  決策樹演算法的基本概念
      8.2.2  決策樹構造演算法
      8.2.3  決策樹應用案例
    8.3  AdaBoost分類器應用
      8.3.1  AdaBoost分類器概述
      8.3.2  應用案例——泰坦尼克號生存率預測
    8.4  網格搜索優化模型參數
      8.4.1  網格搜索概述
      8.4.2  網格搜索應用案例
    8.5  本章小結
    8.6  本章習題
第三篇  人工智慧實戰進階
  第9章  自然語言處理
    9.1  自然語言處理簡介
    9.2  Python中文分詞
      9.2.1  項目背景
      9.2.2  項目實戰
    9.3  TF-IDF演算法解析
      9.3.1  項目背景
      9.3.2  項目實戰

    9.4  意圖識別
      9.4.1  項目背景
      9.4.2  項目實戰
    9.5  最大熵模型
      9.5.1  項目背景
      9.5.2  項目實戰
    9.6  利用jieba庫和Tkinter庫進行信息檢索
      9.6.1  項目背景
      9.6.2  項目實戰
    9.7  NLP詞向量計算
      9.7.1  項目背景
      9.7.2  項目實戰
    9.8  本章小結
    9.9  本章習題
  第10章  語音識別
    10.1  語音識別簡介
    10.2  Python+Keras實現IVA語音識別
      10.2.1  項目背景
      10.2.2  項目實戰
    10.3  基於百度智能雲和圖靈機器人的語音交互
      10.3.1  項目背景
      10.3.2  項目實戰
    10.4  利用pyttsx3庫合成文字語音
      10.4.1  項目背景
      10.4.2  項目實戰
    10.5  本章小結
    10.6  本章習題
  第11章  圖像識別
    11.1  圖像識別簡介
    11.2  基於卷積神經網路的圖像風格遷移
      11.2.1  項目背景
      11.2.2  項目實戰
    11.3  人臉識別技術
      11.3.1  項目背景
      11.3.2  項目實戰
    11.4  本章小結
    11.5  本章習題
  第12章  神經網路與深度學習
    12.1  神經網路與深度學習簡介
      12.1.1  神經網路
      12.1.2  深度學習
    12.2  人工神經網路模型應用—鳶尾花分類
      12.2.1  項目背景
      12.2.2  項目實戰
    12.3  卷積神經網路模型
      12.3.1  項目背景
      12.3.2  項目實戰
    12.4  本章小結
    12.5  本章習題
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032