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

HCIA-AI學習指南/華為ICT認證系列叢書

  • 作者：編者:華為技術有限公司|責編:李靜
  • 出版社：人民郵電
  • ISBN：9787115650184
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：454
人民幣：RMB 149.8 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書是根據華為HCIA-AI認證培訓大綱、HCIA-AI認證培訓教材、HCIA-AI認證培訓實驗手冊等資料編寫而成的，主要講解機器學習和深度學習的基本原理、基本模型、基本演算法，以及如何進行相應的編程實驗。本書共5章：第1章是引子部分，第2章是數學基礎知識，第3章和第4章分別是機器學習和深度學習的原理性內容，第5章是機器學習和深度學習的實驗性內容。
作者介紹
編者:華為技術有限公司|責編:李靜
目錄
第1章  人工智慧概述
  1.1  智能與人工智慧
  1.2  電腦的誕生
  1.3  達特茅斯會議
  1.4  三大學派
  1.5  機器學習與深度學習
  1.6  人工智慧的應用
  習題1
第2章  數學基礎
  2.1  線性代數
    2.1.1  矢量的概念
    2.1.2  矢量的基本運算
    2.1.3  矢量的坐標表示法
    2.1.4  矢量的方向角
    2.1.5  矢量的點積
    2.1.6  矩陣的概念
    2.1.7  矩陣的基本運算
    2.1.8  矢量的矩陣表示法
    2.1.9  矩陣的初等變換
    2.1.10  線性相關性
    2.1.11  逆矩陣
    2.1.12  本征值與本征矢量
    2.1.13  張量
  2.2  微積分
    2.2.1  導數與偏導數
    2.2.2  超曲面與超平面
    2.2.3  方嚮導數與梯度
    2.2.4  函數圖像中的特殊點
    2.2.5  凸集與凸函數
    2.2.6  矩陣函數
  2.3  概率與統計
    2.3.1  條件概率公式
    2.3.2  全概率公式
    2.3.3  貝葉斯公式
    2.3.4  期望值與方差
    2.3.5  熵
    2.3.6  最大似然估計
  習題2
第3章  機器學習
  3.1  機器學習的基本概念
  3.2  機器學習方法分類
  3.3  機器學習的三要素
  3.4  機器學習的整體流程
  3.5  常見的機器學習演算法
    3.5.1  線性回歸
    3.5.2  邏輯回歸
    3.5.3  K-NN
    3.5.4  K-Means
    3.5.5  SVM
    3.5.6  PCA

    3.5.7  樸素貝葉斯
    3.5.8  決策樹
    3.5.9  隨機森林
    3.5.10  集成學習
  3.6  機器學習的性能評估
  習題3
第4章  深度學習
  4.1  生物神經網路
    4.1.1  大腦與神經元
    4.1.2  神經元之間的連接
    4.1.3  神經信息處理過程
    4.1.4  記憶與學習
    4.1.5  人腦與電腦
  4.2  麥卡洛克皮茲模型與感知器
    4.2.1  麥卡洛克皮茲模型
    4.2.2  模式識別初探
    4.2.3  感知器
    4.2.4  多線性可分問題
    4.2.5  XOR問題
  4.3  多層感知器
    4.3.1  並行排列和串列連接
    4.3.2  多層感知器的基本結構
    4.3.3  多層感知器的設計與運作
    4.3.4  前向計算與後向計算
    4.3.5  梯度下降法
    4.3.6  BP演算法
    4.3.7  批量訓練方式
    4.3.8  初始位置與偽極小值點
    4.3.9  學習率
    4.3.10  欠擬合與過擬合
    4.3.11  規模與容量
    4.3.12  欠訓練與過度訓練
    4.3.13  結構變化
  4.4  卷積神經網路
    4.4.1  卷積運算與相關運算
    4.4.2  卷積特徵映射圖
    4.4.3  池化特徵映射圖
    4.4.4  激活特徵映射圖
    4.4.5  CNN的一般結構
    4.4.6  LeNet
    4.4.7  Hubel-Wiesel實驗
  4.5  循環神經網路
    4.5.1  時序性
    4.5.2  單向RNN
    4.5.3  雙向RNN
    4.5.4  BPTT演算法
    4.5.5  梯度消失問題
    4.5.6  LSTM
  習題4
第5章  編程實驗

  5.1  實驗環境安裝
    5.1.1  安裝Python
    5.1.2  安裝MindSpore
    5.1.3  安裝Jupyter
    5.1.4  安裝工具庫
  5.2  線性回歸
    5.2.1  示例驗證
    5.2.2  房價預測
    5.2.3  三維情況
  5.3  邏輯回歸
    5.3.1  跳高問題
    5.3.2  房屋出租
    5.3.3  數據標準化
  5.4  K-Means與GNB
    5.4.1  K-Means
    5.4.2  GNB
  5.5  MindSpore基礎
    5.5.1  張量的屬性
    5.5.2  張量的生成
    5.5.3  張量的運算和操作
    5.5.4  數據集的載入和處理
    5.5.5  網路的構建
    5.5.6  損失函數
  5.6  手寫體數字識別
    5.6.1  設計概要
    5.6.2  數據準備
    5.6.3  構建MLP
    5.6.4  確定訓練參數及相關選項
    5.6.5  模型的編譯
    5.6.6  設置檢查點
    5.6.7  模型的訓練
    5.6.8  模型的評估
    5.6.9  模型的載入
附錄  習題答案
  習題1答案
  習題2答案
  習題3答案
  習題4答案

  • 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