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

人工智慧與機器學習實訓教程(初級四川省產教融合示範項目系列教材)

  • 作者：編者:唐鵬//黃德青//秦娜//權偉|責編:李華宇
  • 出版社：西南交大
  • ISBN：9787564396541
  • 出版日期：2024/04/01
  • 裝幀：平裝
  • 頁數：151
人民幣：RMB 32 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書撰寫的初衷，是為「人工智慧與機器學習」課程提供翔實的實訓項目指導。本書凝練了西南交通大學電氣工程學院關於人工智慧大量的研究工作，通過對熱點AI項目復現、軌道交通項目實訓等課程，讓學生更好地感受人工智慧廣闊範疇下各種演算法的優缺點、思想和概念，使原本很抽象晦澀的數學問題變得直觀、生動。
    本書設計的主旨是服務於電腦專業之外的廣大工科學生，通過豐富的應用案例和實際動手實踐，普及人工智慧技術的基本原理和應用技術。本書特別針對於軌道交通領域的實踐需求，著重於培養學生動手解決實際工程問題的能力。本書所涉及實驗皆在Jupyter Notebook環境中執行，力求書面和實驗內容一致。本書內容主要劃分六個部分：
    第一部分包括第1章?第3章，介紹實驗的準備工作，主要包括Python語言、Anaconda發行版、Jupyter Notebook互動式計算環境、Markdown語法等基礎概念和使用方法。
    第二部分包括第4章?第8章，介紹Python語言及其科學計算相關庫的使用。其中，科學計算相關庫包括NumPy和SciPy科學計算庫、Matplotlib數據可視化庫、Pandas數據分析工具和SymPy符號運算庫等。
    第三部分包括第9章?第14章，介紹以符號主義為代表的經典人工智慧技術，包括狀態空間搜索、圖的遍歷、最短路徑演算法、A*搜索演算法、對抗搜索演算法和基於Ne04J的知識圖譜構建。
    第四部分包括第15章?第21章，介紹以scikit-learn為基礎的機器學習演算法。實驗內容包括K-means、PCA、KNN、線性回歸、邏輯回歸、樸素貝葉斯等機器學習經典演算法。
    第五部分包括第22章?第26章，介紹基於PyTorch的深度學習框架和應用，包括張量Tensor的概念和使用、神經網路的構建和訓練及各種經典的主幹網路等。
    第六部分包括第27章和第28章，旨在介紹軌道交通應用實踐中的智能信息處理問題，引導學生開展面向軌道交通應用的綜合性實踐。
作者介紹
編者:唐鵬//黃德青//秦娜//權偉|責編:李華宇
目錄
第一部分  實驗基礎
  第1章  實驗準備
    1.1  Python語言
    1.2  Anaconda發行版
    1.3  工具包（Package）
  第2章  Jupyter Notebook
    2.1  JupyterNotebook入門
    2.2  代碼塊及其輸出
  第3章  Markdown語法
    3.1  簡要說明
    3.2  基本語法
    3.3  擴展語法
    3.4  示例
第二部分  Python科學計算
  第4章  Python基礎語法
    4.1  Python語法簡介
    4.2  Python基礎語法實驗
  第5章  NumPy數值運算
    5.1  Python科學計算函數庫
    5.2  Numpy高維數組
  第6章  Matplotlib數據可視化
    6.1  Matplotlib簡介
    6.2  Matplotlib程序示例
    6.3  Matplotlib數據可視化
  第7章  Pandas數據分析工具
    7.1  實驗說明
    7.2  實驗步驟
  第8章  SymPy符號計算
    8.1  實驗說明
    8.2  實驗內容
第三部分  經典人工智慧
  第9章  狀態空間搜索
    9.1  狀態空間表達
    9.2  基於Networkx的圖演算法
  第10章  圖的遍歷
    10.1  廣度優先搜索
    10.2  深度優先搜索
  第11章  最短路徑演算法
    11.1  最短路徑演算法概述
    11.2  實際應用
    11.3  Dijkstra演算法
  第12章  A*搜索演算法
    12.1  工作原理
    12.2  其他最短路徑演算法的區別
    12.3  偽代碼
    12.4  NetworkX的astar演算法
  第13章  minimax演算法及α-β剪枝
    13.1  實驗說明
    13.2  實驗內容
  第14章  基  Ne04J的知識圖譜構建

    14.1  實驗說明
    14.2  Neo4J簡介
    14.3  Neo4lJ的下載與安裝
    14.4  Neo4J的使用
    14.5  Neo4J實踐案例
    14.6  總結
第四部分  機器學習
  第15章  機器學習演算法庫
    15.1  scikit-learn框架
    15.2  其他輔助庫
  第16章  K-means及PCA實驗
    16.1  實驗說明
    16.2  實驗步驟
  第17章  K近鄰分類實驗
    17.1  實驗說明
    17.2  實驗概述
    17.3  實驗步驟
  第18章  線性回歸實驗
    18.1  實驗說明
    18.2  實驗步驟
    18.3  處理類別特徵
  第19章  邏輯回歸實驗
    19.1  實驗說明
    19.2  實驗步驟
  第20章  樸素貝葉斯模型實驗
    20.1  實驗說明
    20.2  實驗步驟
  第21章  複雜數據類型
    21.1  實驗說明
    21.2  實驗內容
第五部分  深度學習
  第22章  深度學習框架
    22.1  PyTorch深度學習框架
    22.2  HDF5數據服務
  第23章  張量（Tensors）初步
    23.1  實驗說明
    23.2  實驗步驟
  第24章  從NumPy到Tensor
    24.1  實驗目標
    24.2  實驗步驟
  第25章  LeNet模型定義和訓練
    25.1  實驗目標
    25.2  實驗步驟
  第26章  基於AlexNet的圖像分類
    26.1  實驗說明
    26.2  實驗步驟
第六部分  綜合訓練
  第27章  實訓項目簡介
  第28章  基於視覺的公里標定位
    28.1  項目背景及目標

    28.2  數據採集及預處理
    28.3  模型和演算法設計
    28.4  網路訓練
    28.5  測試與驗證
    28.6  實訓展望
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