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

Python人工智慧應用與實踐(一流本科專業一流本科課程建設系列教材)

  • 作者：編者:沈建強|責編:王玉鑫//趙曉峰
  • 出版社：機械工業
  • ISBN：9787111742401
  • 出版日期：2024/01/01
  • 裝幀：平裝
  • 頁數：281
人民幣：RMB 59 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書在校企合作的基礎上編寫而成，在講述人工智慧理論的基礎上突出工程應用性與實踐性，選用了適用於人工智慧項目研發的Python編程語言。第1章為人工智慧導論。第2章介紹Python程序設計基礎。第3章介紹Numpy、Matplotlib與Pandas。第4章介紹sklearn及Inforstack免費網上機器學習組件功能。第5章介紹數據預處理。第6章與第7章分別介紹監督學習與非監督學習常用演算法，並分別使用Inforstack學習平台建模和Python語言編程實現。第8章介紹語音交互、視覺處理與OpenCV圖像處理。第9章介紹人工神經網路與深度學習及Tensorflow、PyTorch的應用。第10章為人工智慧綜合應用案例。
    本書既可作為高等院校開設人工智慧、大數據分析課程的教材，也適合Python學習者及人工智慧、大數據分析技術人員作為學習或參考用書。
    本書配套教學課件、習題答案和源代碼。讀者如需獲取進一步的教學及技術支持可聯繫作者（電子郵箱與Inforstack網路學習平台入口見本書前言）。
作者介紹
編者:沈建強|責編:王玉鑫//趙曉峰
目錄
前言
第1章  人工智慧導論
  1.1  人工智慧技術及其發展
    1.1.1  人工智慧技術的發展歷程
    1.1.2  人工智慧技術簡介
    1.1.3  Python語言與人工智慧
  1.2  教學實驗平台推薦
    1.2.1  Inforstack大數據應用平台
    1.2.2  語音與視覺智能實驗套件簡介
  習題
第2章  Python程序設計基礎
  2.1  基礎語法
    2.1.1  Python語言概述
    2.1.2  Python語言安裝與配置
    2.1.3  Python基礎語法
  2.2  程序的控制結構
    2.2.1  選擇結構
    2.2.2  循環結構
  2.3  內置函數、常用模塊的導入與調用
    2.3.1  常用內置函數
    2.3.2  標準庫（模塊）的導入與調用
  2.4  列表、元組、字典與集合數據類型
    2.4.1  序列類型
    2.4.2  列表
    2.4.3  元組
    2.4.4  序列的公共基本操作
    2.4.5  字典及其操作
    2.4.6  集合及其操作
  2.5  函數與模塊
    2.5.1  函數
    2.5.2  自定義模塊與包
  2.6  面向對象的編程技術
    2.6.1  面向對象程序設計的基本概念
    2.6.2  類的定義與對象創建
    2.6.3  屬性
    2.6.4  方法
    2.6.5  繼承性
    2.6.6  多態性
  2.7  程序的異常處理
  2.8  用戶界面設計
    2.8.1  Tkinter用戶界面設計
    2.8.2  Tkinter畫布繪圖
  2.9  文件與資料庫操作
    2.9.1  文件操作
    2.9.2  資料庫操作
  習題
第3章  科學計算與數據分析庫
  3.1  Anaconda安裝及其集成開發環境
    3.1.1  Anaconda安裝
    3.1.2  Anaconda集成開發環境簡介

  3.2  Numpy的向量和矩陣操作處理
    3.2.1  Numpy數組的創建與操作
    3.2.2  Numpy的矩陣對象及操作
  3.3  Matplotlib數據可視化
    3.3.1  Matplotlib及其圖形繪製流程
    3.3.2  圖形繪製與顯示實例
  3.4  Pandas數據分析與處理
    3.4.1  Pandas及其數據結構
    3.4.2  DataFrame中的數據選取及操作
    3.4.3  Pandas讀寫文件操作
  習題
第4章  機器學習簡介
  4.1  機器學習的概念
  4.2  機器學習庫sklearn
  4.3  機器學習組件Inforstack
  習題
第5章  數據預處理
  5.1  預處理數據
  5.2  數據清洗
    5.2.1  缺失值處理
    5.2.2  異常值識別
    5.2.3  雜訊處理
    5.2.4  不一致數據
  5.3  數據變換
    5.3.1  屬性構造
    5.3.2  規範化
    5.3.3  屬性編碼
    5.3.4  離散化
  5.4  數據歸約
    5.4.1  數據聚集
    5.4.2  維度歸約
    5.4.3  樣本抽樣
  5.5  數據集成
  習題
第6章  監督學習
  6.1  監督學習的概念
  6.2  模型評價
    6.2.1  評估方法
    6.2.2  評估指標
    6.2.3  參數調優
  6.3  決策樹演算法
    6.3.1  決策樹演算法介紹
    6.3.2  決策樹演算法實現
    6.3.3  決策樹演算法應用案例
  6.4  K近鄰演算法
    6.4.1  K近鄰演算法介紹
    6.4.2  K近鄰演算法實現
    6.4.3  K近鄰演算法應用案例
  6.5  樸素貝葉斯演算法
    6.5.1  貝葉斯定理

    6.5.2  樸素貝葉斯演算法實現
    6.5.3  樸素貝葉斯演算法應用案例
  6.6  支持向量機演算法
    6.6.1  支持向量機演算法介紹
    6.6.2  支持向量機演算法實現
    6.6.3  支持向量機演算法應用案例
  6.7  線性回歸
    6.7.1  線性回歸演算法介紹
    6.7.2  線性回歸演算法實現
    6.7.3  線性回歸演算法應用案例
  6.8  邏輯回歸
    6.8.1  邏輯回歸演算法介紹
    6.8.2   邏輯回歸演算法實現
    6.8.3  邏輯回歸演算法應用案例
  6.9  隨機森林演算法
    6.9.1  集成學習簡介
    6.9.2  隨機森林演算法實現
    6.9.3  隨機森林演算法應用案例
  習題
第7章  非監督學習
  7.1  K-均值演算法
    7.1.1  聚類演算法簡介
    7.1.2  K-均值演算法實現
    7.1.3  K-均值演算法應用案例
  7.2  Apriori演算法
    7.2.1  關聯規則的基本概念
    7.2.2  Apriori演算法實現
    7.2.3  Apriori演算法應用案例
  7.3  降維演算法
    7.3.1  降維演算法介紹
    7.3.2  降維演算法實現
    7.3.3  降維演算法應用案例
  習題
第8章  自然語言與電腦視覺處理
  8.1  自然語言處理
    8.1.1  自然語言處理基礎
    8.1.2  語音交互技術基礎及應用案例
  8.2  電腦視覺處理
    8.2.1  圖像處理與OpenCV入門
    8.2.2  電腦視覺處理基礎及應用實例
  習題
第9章  人工神經網路與深度學習
  9.1  人工神經網路與深度學習基礎
    9.1.1  人工神經網路基礎
    9.1.2  深度學習
  9.2  Tensorflow入門
    9.2.1  Tensorflow安裝與基本API的使用
    9.2.2  基於Tensorflow的語音訓練與識別
    9.2.3  基於Tensorflow的圖像數據訓練與識別
  9.3  人工智慧視覺模型及模型的終端部署

    9.3.1  PyTorch簡介
    9.3.2  Yolov5基於CUDA的模型部署
    9.3.3  下載源碼及模型
    9.3.4  實現使用GPU進行目標檢測
  9.4  Inforstack深度學習組件
    9.4.1  Inforstack平台內置BP神經網路節點
    9.4.2  Inforstack平台內置深度學習節點
  習題
第10章  人工智慧綜合應用案例
  10.1  客戶流失模型建立與評估
    10.1.1  案例概述
    10.1.2  數據集
    10.1.3  數據準備
    10.1.4  流失客戶特徵分析
    10.1.5  特徵重要性分析
    10.1.6  樣本均衡性
    10.1.7  模型構建和評估
    10.1.8  模型應用
  10.2  商品價格預測模型建立與評估
    10.2.1  案例概述
    10.2.2  數據集
    10.2.3  變數相關性
    10.2.4  模型構建和評估
    10.2.5  模型應用
  10.3  基於深度學習的產品缺陷檢測
    10.3.1  案例概述
    10.3.2  數據集
    10.3.3  Keras導入與數據準備
    10.3.4  模型構建與評估
  10.4  垃圾智能分揀系統
    10.4.1  垃圾智能分揀系統技術基礎
    10.4.2  垃圾智能分揀系統設計與實現
  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